[英]Best way to optimize (python) algorithm?
我有一个解决ODE的python算法。 现在,我注意到该代码对于几个不同的输入参数非常慢。 因此,我分析了代码,并得到了结果:
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.004 0.004 429.032 429.032 gnlse.py:153(perform_simulation)
2 0.001 0.000 429.017 214.508 _ode.py:564(integrate)
2 0.000 0.000 429.016 214.508 _ode.py:381(integrate)
2 18.985 9.492 429.016 214.508 _ode.py:1013(run)
52007 22.260 0.000 410.031 0.008 _ode.py:495(_wrap)
52007 188.766 0.004 387.243 0.007 gnlse.py:234(GNLSE_RHS)
208033 1.300 0.000 173.272 0.001 fftpack.py:46(_raw_fft)
104018 18.316 0.000 108.077 0.001 fftpack.py:195(ifft)
104015 0.857 0.000 90.410 0.001 fftpack.py:100(fft)
104015 85.626 0.001 85.626 0.001 {numpy.fft.fftpack_lite.cfftf}
104018 85.607 0.001 85.607 0.001 {numpy.fft.fftpack_lite.cfftb}
29108 25.776 0.001 25.776 0.001 {min}
530887 3.275 0.000 3.275 0.000 {numpy.core.multiarray.array}
104034 2.522 0.000 2.522 0.000 {method 'astype' of 'numpy.ndarray' objects}
算法的哪一部分可以最优化(基于cProfile的测量结果,如果没有整个代码就可以回答?)? 根据数据,我要说的是GNLSE_RHS
函数,此函数所花费的总时间是最重要的。
在此函数中,调用了fft
函数(每次调用四次)。 使它们更快而不是改进GNLSE_RHS
的算法是否更有意义? 有问题的功能是
AT = np.fft.fft( np.multiply( AW , np.exp( simp['linop'] * z)))
IT = np.abs(AT)**2
if simp['raman'] == True:
RS = simp['dt'] * np.fft.fft( np.multiply( np.fft.ifft(IT), simp['RW'] ))
M = np.fft.ifft( np.multiply( AT,( (1-simp['fr'])*IT + simp['fr']*RS ) ) )
else:
M = np.fft.ifft( np.multiply( AT, IT))
return 1.0j * simp['gamma'] * np.multiply( simp['W'], np.multiply( M, np.exp( -simp['linop'] * z)) )
编辑:我不需要完善的算法,而是想知道哪个部分主要对运行时间有所贡献,即增加哪个函数的速度将最大程度地提高整体速度?
我认为你是对的。 GNLSE_RHS
显然是您的瓶颈。
52007 188.766 0.004 387.243 0.007 gnlse.py:234(GNLSE_RHS)
问题-您的percall
非常短。 我猜想GNLSE_RHS
是一个由scipy
包装的fortran函数。 如果是这样,将很难精简这一点。
我解决Schrodinger方程(主要是虚假时间传播)的方法一直是在选择最终的C语言实现之前,加深我对Python中算法的理解。
使用DRY(不要重复自己)原则。 查找重复的代码并将其转换为变量。
例如,您simp['linop']
调用simp['linop']
和simp['fr']
,这是一次字典查找。 而是一次设置linop_z = simp['linop'] * z
,然后每次使用linop_z
,同样对于fr = simp['fr']
。
任何其他事情都需要展开方程式以寻找公倍数等。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.