问题标签 [cpu-time]

我在 R 和 Rcpp 中都编写了一个函数，它基本上只接受数据集 x、尺度参数 gamma 和向量参数 beta，因此返回拟合概率。以下是我在 R 中的代码：

在 Rcpp 中：

测试数据 x 是使用 rmvnorm() 从多正态分布生成的。在低维度（10 列）和小数据大小（1000 行）中，Rcpp 代码比 R 代码效果更好

但是如果我将大小增加到 100000（维度仍然是 10），则 Rcpp 代码会比 R 慢：

此外，如果我将维度增加到 100 并且大小保持为 1000，则 Rcpp 函数的性能不如低维度：

当尺寸和大小增加时，看起来 Rcpp 函数的 cpu 时间比 R 扩展得更快。我是 Rcpp 的新手，我只是直接将我的 R 代码翻译成 Rcpp。我不确定我是否做了一些愚蠢的事情，我也不知道为什么会这样。我能做些什么来解决这个问题吗？

我有一个包含大约 75,000 个观察值的数据集，我想在第一步中稍微准备一下。

例如我想在某个条件下设置一个变量。

我现在的经典方法是逐行迭代完整的数据集。检查每一行中的条件，然后设置变量。

这是正确的方法，尤其是在计算时间方面？

初始数据

Nach der FOR Schleife sieht man, dass sich in Zeile 1 und 6 etwas geändert hat。Gibt es hierfür einen Eleganteren Weg?

结果

谢谢你。

通常，我使用time.time()一些代码来获取 CPU 时间，例如：

但实际上，我不知道是否cpu_usage_time全部用于我的代码，我认为实际时间小于或等于cpu_usage_time. 我想知道如何使用 Python3.x 内置模块或函数获取我的代码的实际 CPU 时间。谢谢你。

我希望你一切都好

我正在计算我的算法的时间复杂度，它有三个嵌套for，但我做了一个技巧，把一个if最新的for像：

因此，如果A[i][j][k]是，false那么它将被跳过并且不会使用任何计算时间。

我的问题是：我们是否跳过了某些部分，算法的复杂性又是什么O(n1*n2*n3)时候n1=n2=n3=n，是O(n^3)吗？

谢谢你的时间。

我很好奇目前在 Python3 中测量 CPU 时间的最佳方法是什么。需要明确的是，我想要的结果是程序运行的总 CPU 时钟时间（即不是挂钟时间）。

我time过去曾为此使用过该模块，但我不清楚这是否仍然是推荐的方法。

如果time模块是最好的选择，我想知道是否time.process_time()更好time.clock()。

答：用户和内核cpu时间是分开测量的，小心！

编辑：pTimes 现在在每个基准测试之间重置为零，但结果变得更奇怪了！

以摆弄我自己的自定义内存管理方案为最终目标，我为 Visual Community 2019、Windows 10 中现有的 malloc() 做了一个简单的基准测试。出于兴趣，我对 CPU 时间和 wall 时间进行了基准测试，然后我通过在许多块中分配一大块内存，然后单独释放每个块而不使用它们来测试 malloc。看这里：

我使用以下代码对这些函数进行了基准测试——“BenchTimes”只是一个拥有双倍 CPU/wall 时间的结构：

这些是在我的电脑（i5-9400f）上测量的时间，以秒为单位。

我对性能和 Wall time 与 CPU 时间比较的巨大差异感到非常好奇！

运行它的代码在这里：

根据CPU Time的定义：

CPU 时间（或 CPU 执行时间）是给定程序执行开始和结束之间的时间。这个时间考虑了 CPU 计算给定程序的时间，包括代表该程序执行的操作系统例程，不包括等待 I/O 和运行其他程序的时间。

在测量进程的 CPU 时间时，CPU 时间中是否包含建立和关闭 I/O 流（用于命令行参数和文件）等操作所涉及的时间？

让我们假设我已经在 python 中创建了一个数学模型，并希望使用下面的代码（docplex 库）来解决它。

既然我已经设置了 mdl.time_limit=480，为什么sol[0, 3]中记录的时间会大于 480 秒？

谢谢！

我正在尝试使用 获取我的 Python 程序的 CPU 使用时间time python my_code.py，其中程序执行了长时间的深度学习训练过程。time 命令的结果是244m用户时间和13.5m系统时间（除以核心数后）。但是，从Centos 7资源管理器获取的正在运行进程的 CPU 时间只是和命令中187.5m获取的值几乎相同。ps

(user-time+sys-time) 的值不应该与使用资源管理器（或 ps 命令）获得的值相同吗？如果不是，为什么user+sys = 13.5 + 244 = 257.5m比进程 CPU 时间（187m）大得多？

哪一个代表进程的CPU时间？

我想通过使用 python 多处理库在我的程序中使用并行化。为此，我想检查一个动作现在是否正确可行，如果不产生当前进程的量，并允许下一个进程利用 cpu 时间，直到调度程序决定再试一次。

通过搜索，我发现 time.sleep(0) 似乎是为线程做的。它也适用于流程吗？