目录
在做深度学习部署以及加速过程中,性能计算是非常重要的,这也是Python的一大痛点,本文主要介绍各种Python加速的方法并且也抛砖引玉,阐述了Why python so slow。整体测试代码目录如下
Cython介绍
简单来说Cython适合以下场景
1. 因为某些需求导致不得不编写一些多重嵌套的循环,而这些循环如果用 C 语言来实现会快几百倍,但是不熟悉 C 或者不知道 Python 如何与 C 进行交互
2. 项目组规定只能使用 Python 语言,解释器只能 CPython
3. Python 是一门动态语言,但希望至少在数字计算方面,能够加入可选的静态类型,这样可以极大的加速运算效果。因为单纯的数字相加不太需要所谓的动态性,尤其是当你的程序中出现了大量的计算逻辑时
4. 对于一些计算密集型的部分,写出一些超越 Numpy、Scipy、Pandas 的算法
5. 项目中有一些已经用 C、C++ 实现的库,需要直接在 Python 内部更好地调用它们,并且不使用 ctypes、cffi 等模块
6. 可以将 Python 代码中性