python numba jit 的效率

10w左右数据量,不加jit效率高,

100w左右数据量,加了jit效果高8倍以上

40w左右数据量,效率持平

from numba import jit
from numpy import arange

import datetime

len=399999
@jit
def sumjit(arr):
    M, N = arr.shape
    result = 0.0
    for i in range(M):
        for j in range(N):
            result += arr[i, j]

    return result

a = arange(len).reshape(len//3, 3)

start = datetime.datetime.now()

print(sumjit(a))
print ("jit",(datetime.datetime.now()-start).microseconds)

def sum2d(arr):

    M, N = arr.shape

    result = 0.0

    for i in range(M):

        for j in range(N):
            result += arr[i, j]

    return result

a = arange(len).reshape(len//3, 3)

start = datetime.datetime.now()

print(sum2d(a))
print ("noj",(datetime.datetime.now()-start).microseconds)

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI视觉网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值