0

使用 numexpr.evaluate() 的目的是加快计算速度。但在我的情况下，它甚至比 numpy und eval() 还要慢。我想知道为什么？

代码为例：

import datetime
import numpy as np
import numexpr as ne

expr = '11808000.0*1j*x**2*exp(2.5e-10*1j*x) + 1512000.0*1j*x**2*exp(5.0e-10*1j*x)'


# use eval
start_eval = datetime.datetime.now()
namespace = dict(x=np.array([m+3j for m in range(1, 1001)]), exp=np.exp)
result_eval = eval(expr, namespace)
end_eval = datetime.datetime.now()
# print(result)
print("time by using eval   : %s" % (end_eval- start_eval))


# use numexpr
# ne.set_num_threads(8)
start_ne = datetime.datetime.now()
x = np.array([n+3j for n in range(1, 1001)])
result_ne = ne.evaluate(expr)
end_ne = datetime.datetime.now()
# print(result_ne)
print("time by using numexpr: %s" % (end_ne- start_ne))

返回：使用 eval 的时间：0:00:00.002998

使用 numexpr 的时间：__ 0:00:00.052969

4

1 回答 1

2

谢谢你们

我从 Github 的 robbmcleod 得到了答案

对于 NumExpr 2.6，您需要大约 128 - 256 kElements 的数组才能看到加速。NumPy 总是启动得更快，因为它不必在线程屏障处同步，否则会启动虚拟机

此外，一旦您第二次调用 numexpr.evaluate() ，它应该会更快，因为它已经编译了所有内容。对于简单的表达式，编译大约需要 0.5 ms，对于较长的表达式则需要更多时间。该表达式存储为散列，因此下次计算费用消失了。

相关网址：https ://github.com/pydata/numexpr/issues/301#issuecomment-388097698

于 2018-05-10T16:32:54.307 回答