Numba 不会加速 "speed up your code using numba" 在线示例中的代码

Question

我决定开始使用 Numba to speed up some scientific code I have. To get my feet wet, I googled and found some tutorials that provide runtimes. The tutorial example I'm referring to comes from here。他们从 numpy 数组计算标准偏差，然后使用 Numba 的 @njit 装饰器再次计算，然后他们比较运行次。这是我在我的计算机上重新创建此代码的尝试：

import math
import numpy as np
import numba
from timeit import timeit

def std(xs):
    # compute the mean
    mean = 0
    for x in xs:
        mean += x
    mean /= len(xs)
    # compute the variance
    ms = 0
    for x in xs:
        ms += (x - mean) ** 2
    variance = ms / len(xs)
    std = math.sqrt(variance)
    return std

c_std = numba.njit(std)

a = np.random.normal(0, 1, 10000)

现在这是我在时间方面得到的：

print(timeit('std(a)', globals=globals(), number=1) * 1000, 'ms')

运行 9 毫秒。但是，当我合并 Numba 时：

print(timeit('c_std(a)', globals=globals(), number=1) * 1000, 'ms')

运行秒，375 毫秒。

减速大约 40 倍。在教程中，使用相同的代码，他们的 Numba-jitted 代码运行s 在 31.6 毫秒内，与没有 Numba 的 4600 毫秒相比，加速了大约 150 倍。我能看到的我们的代码之间的唯一区别是它们的正态分布样本来自 10,000,000 个点，而我的只有 10,000 个，但这是必要的调整，因为运行个点花费的时间太长了。

我在 Python 3.8 上使用 Numpy 1.19.2 和 Numba 0.51.2。我在 MacOs 10.14 上运行ning conda 4.9.2。

Answer 1

感谢 Monica 的评论指出我在计时编译。当我运行 c_std 一次 before 计时时，这是固定的：

# Run once to compile~!
std(a)
c_std(a)

time_a = timeit('std(a)', globals=globals(), number=1) * 1000
print(f'No numba: {time_a:.3f} ms')

time_b = timeit('c_std(a)', globals=globals(), number=1) * 1000
print(f'Yes numba: {time_b:.3f} ms')

returns:

无 numba：9.024 毫秒

是 numba：0.025 毫秒

Numba 不会加速 "speed up your code using numba" 在线示例中的代码

Numba does not speed up code found in "speed up your code using numba" examples online

python

numpy

numba