Oppiskele Ajoituksen ja Suorituskyvyn Mittaamisen Perusteet | Suorituskyvyn Ymmärtäminen ja Mittaaminen

Koska emme keskity aikavaativuuden analysointiin tässä kurssissa, painotamme empiirisiä (käytännön) menetelmiä koodin suorituskyvyn mittaamiseen. Yksi yksinkertaisimmista tavoista mitata koodinpätkän suorituskykyä on käyttää sisäänrakennettua time.time()-funktiota.

Tämä funktio palauttaa nykyisen ajan sekunneissa epookista (järjestelmän aikaviitepisteestä) lähtien. Kutsumalla time.time() ennen ja jälkeen tietyn koodin, voit laskea erotuksen ja nähdä, kuinka kauan koodin suorittaminen kestää.


              123456789101112131415
            
import time

# Record the start time
start_time = time.time() 

# Code you want to measure
result = [x**2 for x in range(1000000)]

# Record the end time
end_time = time.time()

# Calculate the difference to get the execution time
execution_time = end_time - start_time

print(f'Execution time: {execution_time} seconds')

Vaikka time.time()-funktion käyttö on yksinkertaista ja tehokasta karkean arvion saamiseksi, sillä on useita rajoituksia:

Alhainen resoluutio: time.time()-funktion tarkkuus voi vaihdella käyttöjärjestelmästä riippuen, mikä voi johtaa epätarkkoihin tuloksiin pienissä operaatioissa;
Ylikuormitus: mittaus sisältää myös muut taustalla käynnissä olevat järjestelmäprosessit, mikä voi vääristää tulosta;
Ei toistoa: tarkempia mittauksia varten sama koodi tulisi usein suorittaa useita kertoja ja laskea keskiarvo, mutta time.time() ei tee tätä automaattisesti.

timeit-moduulin edut

timeit-moduuli on kehittyneempi työkalu, joka on suunniteltu ratkaisemaan time.time()-funktion rajoitukset ja tarjoamaan luotettavan tavan mitata pienten koodinpätkien suoritusaikaa, mitä kutsutaan usein mikrovertailuksi.

timeit-moduulin tärkeimmät edut ovat:

Korkea tarkkuus: timeit käyttää taustalla time.perf_counter()-funktiota, joka on korkean resoluution ajastin ja huomioi myös odotus- ja lepotilat, mikä tekee siitä tarkemman lyhyille aikaväleille kuin time.time();
Automaattinen toisto: timeit suorittaa koodin automaattisesti useita kertoja ja laskee keskimääräisen suoritusaika. Tämä auttaa vähentämään taustaprosessien vaikutusta ja tarjoaa luotettavamman mittauksen koodin suorituskyvystä;
Vähäinen ylikuorma: timeit on suunniteltu toimimaan puhtaassa ympäristössä, ja se poistaa tilapäisesti roskienkeruun käytöstä varmistaakseen, että mittaukset kohdistuvat vain testattavaan koodiin ilman muistinhallinnan aiheuttamaa häiriötä.


              1234567
            
import timeit
# Code snippet to test
code_snippet = 'result = [x**2 for x in range(1000000)]'
# Running timeit to measure execution time
iterations = 30
execution_time = timeit.timeit(code_snippet, number=iterations)
print(f'Average Execution Time: {execution_time / iterations} seconds')

Tässä esimerkissä timeit.timeit() suorittaa merkkijonona annetun koodin (code_snippet-muuttuja) 30 kertaa (number-parametrilla määriteltynä) ja palauttaa kokonaisajan kaikille 30 suoritukselle. Jakamalla kokonaisaika toistojen määrällä (30) voidaan laskea keskimääräinen suoritusaika yhdelle ajokerralle.

Iteraatioiden määrän valinta

Iteraatioiden määrän valinta riippuu benchmarkattavan koodin monimutkaisuudesta ja halutusta tarkkuudesta ajoitustuloksissa. Suorittamalla koodia eri iterointimäärillä voidaan arvioida tulosten vakautta; jos suoritusaika on yhtenäinen, olet todennäköisesti löytänyt optimaalisen iterointimäärän.

Hyvin nopeille koodinpätkille (millisekunteja tai vähemmän) suositellaan yli 1000 iterointia luotettavien keskiarvojen saamiseksi. Kohtuullisen nopealle koodille (muutamia millisekunteja–sekunteja) 100–500 iterointia on yleensä riittävä. Pidemmän suorituksen koodille (useita sekunteja tai enemmän) 10–50 iterointia tarjoaa yleensä hyvän tasapainon tarkkuuden ja benchmarkkaukseen käytetyn ajan välillä.

1. Mikä funktio tarjoaa korkean tarkkuuden ja suorittaa koodin automaattisesti useita kertoja laskeakseen keskimääräisen suoritusaika?

2. Miksi `time.time()`-funktion käyttö suorituskyvyn mittaamiseen voi olla vähemmän luotettavaa kuin `timeit.timeit()`?

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 1. Luku 2

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Awesome!

Completion rate improved to 7.69

Pyyhkäise näyttääksesi valikon


              123456789101112131415
            
import time

# Record the start time
start_time = time.time() 

# Code you want to measure
result = [x**2 for x in range(1000000)]

# Record the end time
end_time = time.time()

# Calculate the difference to get the execution time
execution_time = end_time - start_time

print(f'Execution time: {execution_time} seconds')

Vaikka time.time()-funktion käyttö on yksinkertaista ja tehokasta karkean arvion saamiseksi, sillä on useita rajoituksia:

Alhainen resoluutio: time.time()-funktion tarkkuus voi vaihdella käyttöjärjestelmästä riippuen, mikä voi johtaa epätarkkoihin tuloksiin pienissä operaatioissa;
Ylikuormitus: mittaus sisältää myös muut taustalla käynnissä olevat järjestelmäprosessit, mikä voi vääristää tulosta;
Ei toistoa: tarkempia mittauksia varten sama koodi tulisi usein suorittaa useita kertoja ja laskea keskiarvo, mutta time.time() ei tee tätä automaattisesti.

timeit-moduulin edut

timeit-moduulin tärkeimmät edut ovat:

Korkea tarkkuus: timeit käyttää taustalla time.perf_counter()-funktiota, joka on korkean resoluution ajastin ja huomioi myös odotus- ja lepotilat, mikä tekee siitä tarkemman lyhyille aikaväleille kuin time.time();
Automaattinen toisto: timeit suorittaa koodin automaattisesti useita kertoja ja laskee keskimääräisen suoritusaika. Tämä auttaa vähentämään taustaprosessien vaikutusta ja tarjoaa luotettavamman mittauksen koodin suorituskyvystä;
Vähäinen ylikuorma: timeit on suunniteltu toimimaan puhtaassa ympäristössä, ja se poistaa tilapäisesti roskienkeruun käytöstä varmistaakseen, että mittaukset kohdistuvat vain testattavaan koodiin ilman muistinhallinnan aiheuttamaa häiriötä.


              1234567
            
import timeit
# Code snippet to test
code_snippet = 'result = [x**2 for x in range(1000000)]'
# Running timeit to measure execution time
iterations = 30
execution_time = timeit.timeit(code_snippet, number=iterations)
print(f'Average Execution Time: {execution_time / iterations} seconds')

Iteraatioiden määrän valinta

1. Mikä funktio tarjoaa korkean tarkkuuden ja suorittaa koodin automaattisesti useita kertoja laskeakseen keskimääräisen suoritusaika?

2. Miksi `time.time()`-funktion käyttö suorituskyvyn mittaamiseen voi olla vähemmän luotettavaa kuin `timeit.timeit()`?

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 1. Luku 2

Ajoituksen ja Suorituskyvyn Mittaamisen Perusteet

timeit-moduulin edut

Iteraatioiden määrän valinta

1. Mikä funktio tarjoaa korkean tarkkuuden ja suorittaa koodin automaattisesti useita kertoja laskeakseen keskimääräisen suoritusaika?

2. Miksi time.time()-funktion käyttö suorituskyvyn mittaamiseen voi olla vähemmän luotettavaa kuin timeit.timeit()?

Awesome!

Ajoituksen ja Suorituskyvyn Mittaamisen Perusteet

timeit-moduulin edut

Iteraatioiden määrän valinta

1. Mikä funktio tarjoaa korkean tarkkuuden ja suorittaa koodin automaattisesti useita kertoja laskeakseen keskimääräisen suoritusaika?

2. Miksi time.time()-funktion käyttö suorituskyvyn mittaamiseen voi olla vähemmän luotettavaa kuin timeit.timeit()?

2. Miksi `time.time()`-funktion käyttö suorituskyvyn mittaamiseen voi olla vähemmän luotettavaa kuin `timeit.timeit()`?

2. Miksi `time.time()`-funktion käyttö suorituskyvyn mittaamiseen voi olla vähemmän luotettavaa kuin `timeit.timeit()`?