Быстрый Тест Производительности Python Для Вычислительных Задач

Мотивация Совсем недавно вышла новая версия 0.34 библиотеки JIT-оптимизирующего компилятора.

Нумба для Питона.

И вот ура! появилась долгожданная семантика аннотаций и набор методов организации параллельных вычислений.

За основу была взята технология Параллельный ускоритель Intel .

В этой статье я хочу поделиться результатами первого тестирования скорости вычислений на основе этой библиотеки на некоторой современной машине с четырехъядерным процессором.

Введение

Но если посмотреть немного глубже, почти везде Python используется как оболочка над библиотеками нижнего уровня, написанными в основном на C/C++.

Действительно ли возможно писать быстрый и параллельный код на чистом Python? Давайте рассмотрим очень простую проблему.

Пусть нам даны два набора Н точки в трехмерном пространстве: п И д .

Необходимо рассчитать специальную матрицу на основе попарных расстояний между всеми точками:



Для всех тестов мы сдаем Н = 5000. Время расчета усреднено по 10 прогонам.

Реализация на C++

   

 void getR(std::vector<Point3D> & p, std::vector<Point3D> & q, Matrix & R)
 {
     double rx, ry, rz;
     
     #pragma omp parallel for
     for (int i = 0; i < p.size(); i++) {
         for (int j = 0; j < q.size(); j++) {
 

   

• Как Защитить Ваши Ценные Данные

  19 Oct, 24

• Все, Что Вам Нужно Знать О Делах Лиан Ли

  19 Oct, 24

• Sap Business One – Внедрение Mrp В Сан-Паулу

  19 Oct, 24

• Как Microsoft Удалось Захватить 90% Рынка Пк: Противостояние Windows, Mac И Unix

  19 Oct, 24

• Бесплатный Шрифт Casper Недоступен В Google Web Fonts.

  19 Oct, 24

• Еще Раз О Невероятной Лояльности Службы Поддержки Logitech.

  19 Oct, 24

• Сообщения И Черновики Личного Блога

  19 Oct, 24

• Выпущен Открытый Драйвер Ati 6.8.0

  19 Oct, 24

• Умные Подсказки

  19 Oct, 24

• Hpc: Nvidia, Amd, Sony Cell, X86

  19 Oct, 24