使用numba加速python程式

前面說過使用cython來加速python程式的執行速度，但是相對來說程式改動較大，這次就說一種簡單的方式來加速python計算速度的方法，就是使用numba庫來進行，numba庫可以使用jit技術即時編譯，達到高效能，另外也可以使用cuda gpu的計算能力來加速，對python來說是乙個提速非常好的工具庫，使用簡單，但是安裝稍微複雜一些，具體過程如下：

安裝numba需要的依賴如下：

python依賴有(按順序)：

setuptools

上面這些python依賴的安裝很簡單，都是解壓完然後執行python setup.py install即可

llvm-3.9.1.src.tar.xz

cfe-3.9.1.src.tar.xz

clang-tools-extra-3.9.1.src.tar.xz

compiler-rt-3.9.1.src.tar.xz

依次執行如下命令解壓並操作：

xz -d llvm-3.9.1.src.tar

.xzxz -d cfe-3.9.1.src.tar

.xzxz -d clang-tools-extra-3.9.1.src.tar

.xzxz -d compiler-rt-3.9.1.src.tar

.xztar -xvf llvm-3.9.1.src.tar

tar -xvf cfe-3.9.1.src.tar

tar -xvf clang-tools-extra-3.9.1.src.tar

tar -xvf compiler-rt-3.9.1.src.tar

mv cfe-3.9.1

.src clang

mv clang llvm-3.9.1.src/tools/

mv clang-tools-extra-3.9.1

.src extra

mv extra/ llvm-3.9.1.src/tools/clang/

mv compiler-rt-3.9.1.src compiler-rt

mv compiler-rt llvm-3.9.1.src/projects/

放好之後開始編譯源**，編譯需要使用cmake 如果沒有安裝需要安裝，下面開始編譯，編譯過程非常長，64g伺服器還得半個小時左右，並且編譯出來的檔案有20多g大小，硬碟也要留夠，為防止編譯過程中斷，盡量使用screen會話執行：

mkdir build-3.9

cmake -g "

unix makefiles

" ../llvm-3.9.1

.src

make -j4

make

install

完了之後可以刪除原來的**目錄

然後如果接下來再安裝llvmlite的話，如果報cannot find -lstdc++的錯誤的話那麼是缺少下面的包，可以使用yum安裝：

yum -y install glibc-static

yum -y install libstdc++-devel

yum -y install libstdc++-static

#
!/usr/bin/env python
#coding=utf-8
from numba import
jitfrom numpy import
arange
import
time
@jit
defsum2d(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(9).reshape(3,3)
start_time =time.time()
for i in range(10000000):
sum2d(a)
end_time =time.time()
print (end_time - start_time)

這裡使用numpy生成三行三列的矩陣，[[0,1,2],[3,4,5],[6,7,8]]然後做二維累加計算，值顯然應該是36，這裡做了10000000次這樣的計算，使用@jit註解可以直接的使用numba jit技術實時編譯，從而提高速度，最終執行時間大約是3.86s，如果去掉註解的話那麼執行時間大約是25.45s從這裡可以看出來大約有6.6倍的效能提公升，所以使用numba加速python程式確實是方便簡單

使用numba加速python程式

numba 利用numba加速python

python加速模組 numba

cuda入門 numba加速和pycuda加速

使用numba加速python程式

numba 利用numba加速python

python加速模組 numba

cuda入門 numba加速和pycuda加速

相關推薦