ненагруженная ласточка с numpy/scipy
кто-либо использовал ненагруженную ласточку с numpy/scipy для числовых/научных приложений? Это значительно быстрее, по вашему опыту? Любые мнения были бы большими.
3 ответа
Никто еще не имеет большого опыта работы с Unladen Swallow (кроме разработчиков), поэтому будет сложно найти много людей, которые могли бы это обсудить. Кроме того, с разговором о слиянии Unladen Swallow (который построен с использованием LLVM ) со средой выполнения CPython все будет в некотором роде подвижной целью, пока все не станет более стабильным.
Существуют тесты для Unladen Swallow, но numpy и scipy не включены. Как объясняют сами разработчики : «... производительность модулей расширения, таких как numpy, неинтересна, поскольку основные процедуры numpy реализованы на C».
Короче говоря, если вы пишете хороший код для numpy и scipy , ваш код не будет работать «значительно быстрее» в Unladen Swallow, поскольку он уже работает ниже уровень виртуальной машины. Если вы пишете плохой код для numpy и scipy , вам нужно исправить свой код, а затем вернуться к первому предложению.
Это должно быть быстрее. Я не тестировал это сам, но я только что вернулся с pycon, и они поговорили о unladen-swallow, в котором они упомянули увеличение производительности с numpy и другими пакетами. Вы можете посмотреть доклад здесь .
На вопрос, а не ответ:
Total runtime = python + numpy + interface,
cpython/unladenswallow + mostlyC + interface.
Без реальных данных о том, как эти 3 разделились - 20 70 10, 40 40 20? и что для> 1 теста
нет способа определить, какой из них вверх.