定时并行化numpy计算答案

【问题标题】：Timing paralelized numpy calculation定时并行化numpy计算
【发布时间】：2021-07-04 04:55:11
【问题描述】：

我有一个简单的 pi 近似脚本，如下所示：

import numpy as np
import matplotlib.pyplot as plt
import time

start = 10
stop = 1000000
step = 100
exactsolution = np.pi


def montecarlopi(N=1000000):
    random_x = np.random.random(size = N)
    random_y = np.random.random(size = N)
    bod = np.array([random_x, random_y]).T
    square_area = N
    quarter_circle_area = np.count_nonzero(np.linalg.norm(bod, axis = 1)<=1)
    pi_approx = 4*quarter_circle_area/square_area
    return pi_approx


if __name__ == '__main__':
    times = []
    results = []
    attemps = np.arange(start = start, stop = stop, step = step)
    for i in attemps:
        start_time = time.time()
        results.append(montecarlopi(i))
        times.append(time.time()-start_time)

    absolute_errors = np.abs(np.array(results)-exactsolution)

我想知道根据我使用的随机尝试次数计算需要多长时间。如您所见，我使用 for 循环来获取所需的每个计算时间，但这违背了 Numpy 的目的，大大减慢了我的代码速度。实际上，我只想在整个 attemps 数组上调用 montecarlopi()，但这样我就没有计算时间了。

有没有办法对numpy的每个并行计算进行计时？

【问题讨论】：

标签： python-3.x numpy time

【解决方案1】：

我使用了此处提供的答案中的计时码：

https://codereview.stackexchange.com/questions/165245/plot-timings-for-a-range-of-inputs

我只需要在该行中将labels 更改为codecs：

empty_multi_index = pd.MultiIndex(levels=[[], []], codes=[[], []], names=['func', 'result'])

时序线性

然后您可以使用

运行整个计时实验

timings.plot_times([montecarlopi], inputs=np.arange(10, 1000000, 1000), repeats=3)

得到这样的输出

定时日志空间

或者更清楚地使用日志空间

timings.plot_times([montecarlopi], inputs=np.logspace(1, 8, 8, dtype=np.int), repeats=3)

【讨论】：