概述
文章
- 基础篇
- 进阶篇
- 其他篇
用户指南
NumPy 参考手册
- 数组对象
- 常量
- 通函数(ufunc)
- 常用 API
- 创建数组
- 数组处理程序
- 二进制运算
- 字符串操作
- C-Types 外部函数接口(numpy.ctypeslib)
- 时间日期相关
- 数据类型相关
- 可选的 Scipy 加速支持(numpy.dual)
- 具有自动域的数学函数( numpy.emath)
- 浮点错误处理
- 离散傅立叶变换(numpy.fft)
- 财金相关
- 实用的功能
- 特殊的 NumPy 帮助功能
- 索引相关
- 输入和输出
- 线性代数(numpy.linalg)
- 逻辑函数
- 操作掩码数组
- 数学函数(Mathematical functions)
- 矩阵库 (numpy.matlib)
- 杂项(Miscellaneous routines)
- 填充数组(Padding Arrays)
- 多项式(Polynomials)
- 随机抽样 (numpy.random)
- 操作集合(Set routines)
- 排序,搜索和计数(Sorting, searching, and counting)
- Statistics
- Test Support (numpy.testing)
- Window functions
- 打包(numpy.distutils)
- NumPy Distutils 用户指南
- NumPy C-API
- NumPy 的内部
- NumPy 和 SWIG
其他文档
文章来源于网络收集而来,版权归原创者所有,如有侵权请及时联系!
NumPy 基准测试
用 irspeed Velocity 对 NumPy 进行基准测试。
用法
除非另有说明,否则 Airspeed Velocity 会自行管理构建和 Python virtualenvs。 一些基准测试功能 runtests.py
也告诉ASV使用编译的 NumPy runtests.py
。 要运行基准测试,您无需在当前的Python环境中安装NumPy的开发版本。
针对当前签出的NumPy版本运行基准测试(不记录结果):
python runtests.py --bench bench_core
比较基准测试结果与其他版本的变化:
python runtests.py --bench-compare v1.6.2 bench_core
运行ASV命令(记录结果并生成HTML):
cd benchmarks
asv run --skip-existing-commits --steps 10 ALL
asv publish
asv preview
有关如何使用的更多信息asv
可以在ASV文档中open in new window找到 命令行帮助可以像往常一样通过 asv --help
和 asv run --help
获取。
编写基准测试
有关如何编写基准测试的基础知识,请参阅ASV文档open in new window。
以下事情需要考虑:
- 基准套件应该可以使用任何NumPy版本导入。
- 基准参数等不应取决于安装的NumPy版本。
- 尽量保持基准测试的运行时间合理。
- 喜欢ASV的
time_
基准测试时间的方法,而不是通过time.clock
编写时间测量,即使在编写基准时需要一些方案。 - 通常应该在
setup
方法而不是time_
方法中放置数组等,以避免计算准备时间和基准操作的时间。 - 请注意,在访问内存之前,使用
np.empty
或np.zeros
不在物理内存中分配大型数组。如果这是所需的行为,请务必在设置功能中对其进行注释。如果您正在对算法进行基准测试,则用户不太可能在新创建的 空/零 数组上执行所述算法。可以通过调用
np.ones或
arr.fill(value)``创建数组后强制在设置阶段抛出页面异常。
如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论