[英]Why is numpy's exp slower than Matlab? How to make it faster?
我有一個非常簡單的例子,它表明NumPy的np.exp
比Matlab慢大約10倍。 我怎樣才能加速Python? 我正在運行32位Python 2.7,NumPy版本1.11.3,而numpy正在使用MKL blas&lapack庫。
此外,時間的差異是如此之大,我不認為計時機制產生很大的影響。
Python中的代碼示例:
import numpy as np
import timeit
setup='import numpy as np; import numexpr as ne; n=100*1000; a = np.random.uniform(size=n)'
time = timeit.timeit('b=np.exp(a)', setup=setup, number=1000)
print 'Time for 1000 (np.exp): ',time
time = timeit.timeit('b=ne.evaluate("exp(a)")', setup=setup, number=1000)
print 'Time for 1000 (numexpr): ',time
結果是:
Time for 1000 (np.exp): 2.25906916167
Time for 1000 (numexpr): 0.591470532849
在Matlab中:
a = rand([100*1000,1]);
times = [];
for i=1:1000,
tic
b = exp(a);
t=toc;
times(i) = t;
end
fprintf('Time for 1000: %f\n',sum(times));
導致:
Time for 1000: 0.268527
為了提高性能,特別是在大型數據集上,我們可以利用numexpr
模塊來實現這樣的超越功能 -
import numexpr as ne
b = ne.evaluate('exp(a)')
對於正確的基准測試,我會timeit on MATLAB
和NumPy's %timeit
timeit on MATLAB
使用NumPy's %timeit
-
設置#1
MATLAB:
>> a = rand([100*1000,1]);
>> func = @() exp(a);
>> timeit(func)
ans =
0.0013 % That's 1.3 m-sec
NumPy在相同大小的數據集上:
In [417]: n=100*1000
...: a = np.random.uniform(size=n)
...:
In [418]: %timeit np.exp(a)
1000 loops, best of 3: 1.5 ms per loop
In [419]: %timeit ne.evaluate('exp(a)')
1000 loops, best of 3: 397 µs per loop
從而,
MATLAB : 1.3 m-sec
NumPy : 1.5 m-sec
Numexpr : 0.4 m-sec
設置#2
MATLAB:
>> a = rand([1000*10000,1]);
>> func = @() exp(a);
>> timeit(func)
ans =
0.0977 % That's 97 m-sec
NumPy:
In [412]: n=1000*10000
...: a = np.random.uniform(size=n)
...:
In [413]: %timeit np.exp(a)
10 loops, best of 3: 154 ms per loop
In [414]: %timeit ne.evaluate('exp(a)')
10 loops, best of 3: 36.5 ms per loop
從而,
MATLAB : 97 m-sec
NumPy : 154 m-sec
Numexpr : 36 m-sec
使用tic-toc
適當的基准測試
在問題中基准測試的錯誤是我們在一個循環內得到了toc經過的時間,這個循環沒有運行足夠的時間來給我們任何准確的時間。 普遍接受的想法是toc
經過的時間必須至少接近1
秒標記。
因此,通過這些修正,使用tic-toc
進行更准確的時序測試將是 -
tic
for i=1:1000,
b = exp(a);
end
t=toc;
timing = t./1000
這產生 -
timing =
0.0010
這是接近我們的1.3 m-sec
與timeit
。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.