2023-python-import耗时是为什么？

于 2023-09-07 14:31:47 发布
阅读量1.1w 收藏
点赞数
文章标签： python 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43702920/article/details/132737105
版权

场景

场景：
树莓派4B
离线安装【arch64架构】
了 torch,sklearn等机器学习库
运行程序文件时候，
import的时间总共花了
10s，无法忍受。

查阅下网站：
import官方说辞
看蒙了，太多了；

反正就看看大概，有个数，碰到具体了再去补完背景。

总结：

1.导入机制三种方式：

  • (1) import xxx 表达式【其实绕不过__import__函数】
  • (2)importlib.import_module()的第三方库方法【可能绕过__import__()函数】
  • (3 )__import__ python内置函数

在这里插入图片描述

在这里插入图片描述

5.缓存字节码

在这里插入图片描述

万物琴弦光锥之外
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
starlette-prometheus:适用于Starlette的Prometheus集成
05-05
星际普罗米修斯 介绍 适用于Starlette的Prometheus集成。 要求 Python 3.6+ Starlette 0.9+ 安装 $ pip install starlette-prometheus 用法 一个完整的示例，它在/metrics/路径下公开Prometheus指标终结点。 from starlette . applications import Starlette from starlette_prometheus import metrics , PrometheusMiddleware app = Starlette () app . add_middleware ( PrometheusMiddleware ) app . add_route ( "/metrics/" , metrics ) 可以通过将filter_unhandled_paths=T
pytorch GPU 计算比 CPU 还慢的可能原因
weixin_44590417的博客
06-20 5846
pytorch GPU 计算比 CPU 还慢的可能原因。
深度学习PyTorch，TensorFlow中GPU利用率较低，CPU利用率很低，且模型训练速度很慢的问题总结与分析
anshiquanshu的专栏
01-18 1万+
在深度学习模型训练过程中，在服务器端或者本地pc端，输入nvidia-smi来观察显卡的GPU内存占用率（Memory-Usage），显卡的GPU利用率（GPU-util），然后采用top来查看CPU的线程数（PID数）和利用率（%CPU）。往往会发现很多问题，比如，GPU内存占用率低，显卡利用率低，CPU百分比低等等。接下来仔细分析这些问题和处理办法。 1. GPU内存占用率问题 这往往是由于模型的大小以及batch size的大小，来影响这个指标。当你发下你的GPU占用率很小的时候...
pytorch初体验
冰凌的博客
09-27 384
可以看到第一次gpu运算比cpu运算慢，那是因为cuda的一些初始化工作占用一定时间，初始化完毕后就快很多了，可以说的磨刀不误砍柴工。至于为啥cpu和gpu运算结果不一样，因为GPU端计算。数精度和CPU端不同。GPU默认是float精度，CPU默认是double精度。这就意味着在GPU作浮点数乘除计算结果如果累计的话，必然存在误差。前面文章详细叙述了如何安装pytorch的环境，本节我们一起对比cpu运算和gpu运算的效果。
PyTorch官方安装方法下载太慢，直接用pip和conda命令安装，因为网络速度太慢，导致下载失败的解决的办法。
fns212的博客
12-27 7657
以划线部分的内容为例子，torch-1.13.1是pytorch的版本，cu117是cuda的版本，cp是python的版本，win是操作系统。PyTorch官方安装方法下载太慢，直接用pip和conda命令安装，因为网络速度太慢，导致下载失败的解决的办法。可能还会联网核对安装包，关于这一点，我没有验证，但是自己这样做的时候，速度接近离线安装，多个安装包自动同时安装，且一次性成功。打开pytorch的官方网站，找到官方安装方法的位置，找出官方包所在的网址。最后，结合别人的方法，我自己组合了一个解决的办法。
导入pytorch时间太长且超时，解决办法
AI小白炼金术师
09-23 2062
深度学习pytorch 一般都会要你到这个网站下载，点我进入网址，无论是anaconda导入pytorch-gpu版本还是pip指令。这时就会遇见一个问题，因为torch是很大的大约2.5–3G，这时候在官方下载就会很慢，就有人去换国内镜像源下载，但是这个指令后面是: -f https://download.pytorch.org/whl/torch_stable.html，指定了网址。下载就会特别慢而且还会报超时错误就得重新下，非常的影响心情和浪费时间。 pip3 install torch==1.9.
Python运行速度慢？5个优化方案提速100%！
python03012的博客
05-08 3924
Python运行速度慢？5个优化方案提速100%！不信你试试
trochscript模型初次运行过慢解决方法
qq_37868450的博客
12-02 2497
在c++中首次使用torchscript的模型时会进行一些优化处理，导致首次运行时间过慢，可通过如下设置屏蔽优化处理，从而避免过慢问题 c++ 示例 #include <torch/script.h> // One-stop header. #include <torch/torch.h> torch::jit::getProfilingMode() = false; torch::jit::getExecutorMode() = false; torch::jit::setGra
如何加快Python 应用的启动时间
python学习者的博客
04-20 1662
我听说pipenv9.0.2已经发布，启动时间有了很大的改进。 我很快就试了一下，但我觉得并不快。所以我用Python3.7的新特性来研究它。 在本文中，我将介绍该特性以及如何使用它。 启动时间≒导入时间 例如，pipenv -h的执行时间比显示帮助消息的时间长得多。 一般来说，当应用程序启动时，会有一些启动过程，比如加载环境变量或配置文件。 对于Python应用程序，导入模块占用了...
关于pycharm Import软件包安装缓慢的解决方法
qz815569138的博客
04-29 1095
亲测只要开vpn就可以了，因为是外国链接。
Python-TensorFlow的模型分析工具
08-11
TensorFlow模型分析（TFMA）是评估TensorFlow模型的库。 它允许用户使用培训师定义的相同指标，以分布式方式评估大量数据的模型。 这些度量也可以通过不同的数据片来计算，结果可以在Jupyter笔记本中可视化。
Python中统计函数运行耗时的方法
12-23
本文实例讲述了Python中统计函数运行耗时的方法。分享给大家供大家参考。具体实现方法如下： import time def time_me(fn): def _wrapper(*args, **kwargs): start = time.clock() fn(*args, **kwargs) print ...
python GUI库图形界面开发之PyQt5 UI主线程与耗时线程分离详细方法实例
12-20
在做界面开发时，无论是移动端的Android，还是我们这里讲的PyQt5，经常会有一个界面开发准则，那就是UI主线程与耗时子线程一定要分开，主线程负责刷新界面，耗时操作，如网络交互、磁盘IO等，都应该放在子线程里执行...
6行Python代码实现进度条效果（Progress、tqdm、alive-progress和PySimpleGUI库）
01-20
这里为小伙伴们分享四种Python实现进度条的库：Progress库、tqdm库、alive-progress库和PySimpleGUI库，其中前三个是文本进度条库，最后一个是可以在GUI上运行的进度条。 1、Progress库 Progress是一种文本进度条库...
解决pytorch中Dataloader读取数据太慢的问题
热门推荐
Twilightzsj的博客
04-03 1万+
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、造成的原因二、查找不匹配的原因三、解决方法四、使用方法后言 前言 最近在使用pytorch框架进行模型训练时遇到一个性能问题，即数据读取的速度远远大于GPU训练的速度，导致整个训练流程中有大部分时间都在等待数据发送到GPU，在资源管理器中呈现出CUDA使用率周期性波动，且大部分时间都是在等待数据加载。 一、造成的原因 其实从前言中就可以知道，造成这样的原因可以理解为：GPU的算力与数据加载速度之间的不匹配。 二、查找不.
Pytorch安装、安装速度慢、离线安装
weixin_49732545的博客
08-09 972
目录前言Pytorch安装安装方式一安装方式二（解决安装速度慢）测试 前言 Pytorch的安装需要Python的支持，借助Anaconda软件。 Anaconda的安装和配置参考 <> 换清华源。参考https://www.cnblogs.com/yikemogutou/p/11396045.html Pytorch安装 创建环境 conda create -n pytorch python=3.5.2 其中pytorch问环境名称可更改，python=3.5.2为该环境python版本，可
【已解决】Pytorch安装太慢问题+old GPU 问题
还有很长很长的路
05-21 3538
解决torch+cuda下载网络延迟问题，使用whl包的离线安装
pytorch单机多卡及常见问题
莫大逗比嘟嘟
11-15 4428
pytorch分布式，常见问题解决。
Python运行速度慢？是你孤陋寡闻了？5个优化方案提速百分百
weixin_48272043的博客
04-24 1970
速度慢 Python之所以速度慢，主要是由于动态性和多功能性。 Python 的运行过程是虚拟机读入 Python 代码（文本），词法分析，编译成虚拟机认识的 opcode，然后虚拟机解释 opcode 执行。但这其实不是最主要的原因，Python import 之后会缓存编译后的 opcode，所以读入、词法分析和编译并没有占用太多的时间。 那么真正的慢的是哪一步分呢？就是后面的虚拟机解释 opcode 执行的部分。前期的编译是将 Python 代码编译成解释器可以理解的中间代码，解释器再将中间
python如何计算算法耗时
最新发布
07-28
要计算算法的耗时，可以使用 Python 的 `time` 模块来实现。具体步骤如下： 1. 导入 `time` 模块：在代码开头使用 `import time` 导入 `time` 模块。 2. 在算法开始执行前调用 `time.time()` 函数获取当前时间戳，保存为变量 `start_time`。 3. 在算法执行完成后再次调用 `time.time()` 函数获取当前时间戳，保存为变量 `end_time`。 4. 计算耗时：用 `end_time - start_time` 得到算法的耗时。 下面是一个示例代码，展示了如何计算一个简单算法的执行耗时： ```python import time # 定义一个简单的算法，这里以计算斐波那契数列为例 def fibonacci(n): if n <= 0: return 0 elif n == 1: return 1 else: return fibonacci(n-1) + fibonacci(n-2) # 计算算法耗时 start_time = time.time() result = fibonacci(30) # 执行一个耗时较长的算法 end_time = time.time() # 输出结果和耗时 print("计算结果：", result) print("耗时：", end_time - start_time) ``` 在上面的示例中，我们定义了一个简单的斐波那契数列算法 `fibonacci()`，然后使用 `time.time()` 计算了执行该算法的耗时，并将结果打印出来。 注意：这种方式只能计算算法的整体耗时，如果需要更详细的性能分析，可以使用 Python 的 `timeit` 模块或第三方库 `profile` 进行更精确的测量和分析。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

万物琴弦光锥之外

给个0.1,恭喜老板发财

¥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

实付元
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