在时间序列预测建模中，为提高效率，使用Python的joblib库实现了并行计算。未优化前的for循环耗时7.3秒，优化后降至2.6秒。joblib适用于单次计算耗时较长的场景，通过合理设置n_jobs和backend参数，能有效提升计算速度。
最近在做时间序列预测时发现，模型迭代速度有些慢，for循环效率有点低。突然发现Python有一个工具joblib很好用，加速效果较好，写一个demo记录一下。
不进行并行的for循环就是单进程迭代计算，demo的计算时间为7.3秒。但是并行后可以看到，速度加快至2.6秒。
当单次计算非常快时，由于开销，对多进程或线程的调用可能比顺序计算慢。因此较快速度的计算不需要并行。
from joblib import Parallel, delayed
import time
def demoFunction(x, y, z)
最低0.47元/天 解锁文章
扫一扫
1468
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
