Your SlideShare is downloading. ×
Python speed computation increasing
Python speed computation increasing
Python speed computation increasing
Python speed computation increasing
Python speed computation increasing
Python speed computation increasing
Python speed computation increasing
Python speed computation increasing
Python speed computation increasing
Python speed computation increasing
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Python speed computation increasing

629

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
629
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
6
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Шляхі акселерацыі выкананнявылічальнай нагрузкі на Python Антон Літвіненка, Кіеў, Украіна
  • 2. Сімвальная матрыца спін-гамільтаніяна для асі z для комплексу Cu2
  • 3. “Традыцыйныя” метады акселерацыі● Самая крытычная да рэсурсаў частка функцыянальнасці можа быць напісана на кампіляванай мове праграмавання;● Прэкампіляцыя ў байт-код;● Выкарыстанне адных канструкцый мовы замест іншых, аналагічных, але хутчэйшых
  • 4. Прыклады замены канструкцый● map(operator.add, l1, l2) map(lambda x,y: x+y, l1, l2)● "".join(map(lambda x:"".join(x),a)) for i in range(n): for j in range(n): collect_str+=a[i][j] http://www.xakep.ru/magazine/xa/123/102/1.asp
  • 5. Статычная кампіляцыя праграм на Python● Статычная (розныя падмноствы мовы Python): ● Shedskin ● PyPy (падмноства RPython) Дае магчымасць Абмяжоўвае мажлівасці мовы, складана стварыць застасаваць да ўжо вельмі хуткі код гатовых праэктаў
  • 6. JIT-кампіляцыя Unladen SwallowPsyco (модуль PyPy (асобны (аптымізаваны CPython) інтэрпрэтатар) CPython).Прасты ў выкарыстанні, Хуткі (хутчэйшы сярод адносна хуткі, Прасты ў выкарыстанні іншых), даступны пад сумяшчальны з (увогуле не патрабуе большасць платформ, большасцю іншых праўкі коду) лёгкі ў развіцці модуляў Складаны ў развіцці, Ідэалагічна праблемнае адсутнічае версія для ўзаемадзеянне з Малаэфектыўны 64-бітных платформ бібліятэкамі на C
  • 7. Параўнанне хуткасці выканання з праграмы Mjöllnir (час выканання у секундах) Мадэль Cu2 Fe2Co Mn4 Базісныя 4 432 625 функцыі CPython 2.6.2 0,0075±0,0002 400±7 1820±20 Psyco 0,0304±0,0002 30,5±0,3 134±11.6/CPython 2.6.2 PyPy 1.5 3,2±0,1 21,8±0,6 91±2Unladen Swallow 0,010±0,005 303±4 1280±20 2009Q3
  • 8. Параўнанне хуткасці выканання звыкарыстаннем праграмы Mjöllnir1,2 CPython Psyco1,0 PyPy Unladen Swallow0,80,60,40,20,0 Cu2 (3,2) Fe2Co (400) Mn4 (1820)
  • 9. Асаблівасці праэкту PyPy Статычны кампілятар PyPyRPython (Інтэрпрэтатар і JIT-кампілятар)Python (2.7) Выкананне праграмы
  • 10. Высновы● для праграмы Mjöllnir найбольш эфектыўным акселератарам выканання на дадзены момант з’яўляецца PyPy і, з улікам імклівага развіцця праэкту, верагодным ёсць ягонае выкарыстанне ў будучыні як асноўнага (зараз ужываецца Psyco);● Psyco дае блізкія вынікі;● Unladen Swallow з’яўляецца неэфектыўным. Падзякі ● С.А. Літвіненку (за каштоўныя парады).

×