Timeit i Jupyter Notebook

Timeit i Jupyter Notebook
Jupyter Notebook eller Ipython -kjerne kommer med forskjellige magiske kommandoer. Komplekse oppgaver kan enkelt fullføres ved hjelp av disse magiske kommandoene i veldig lite tid og krefter og antall tilgjengelige måter for å utføre den samme jobben. De foretrukne vurderingsfaktorene er hastighet og kodeytelse for å gjøre en lignende oppgave. Du vil sette inn koden din for å oppnå disse faktorene i de fleste tilfeller. I Python og Jupyter Notebook -miljøet, "TIDIT”Kommando som ligner på Unix”tid”Kommando gir deg litt ekstra hjelp til å måle tidsutførelsen av koden din.

I denne guiden vil vi demonstrere Hvordan bruke “Timeit” i Jupyter Notebook For å hjelpe deg med å måle god ytelse.

Bruk av Timeit i Jupyter Notebook

Heldigvis, i Jupyter eller Ipython Notebook, en magi “TIDIT”Kommando er tilgjengelig for tiden din kode. Timeit Magic -kommando i Jupyter Notebook brukes til å måle tidsutførelsen av liten kode. Du trenger ikke å importere TIMEIT -modulen fra et standardbibliotek. Kommandoen “Timeit” starter med “%”Og“%%”Symboler som vi vil diskutere i denne artikkelen.

De fleste Python -brukere er forvirret mellom bruk av %timeit og %% Timeit -kommandoer. La oss diskutere den grunnleggende forskjellen mellom %timeit og %% TIMEIT -kommandoer for å forstå hele konseptet om begge kommandoene.

Følgende detaljer vil forklare deg forskjellen og bruken av Timeit -kommandoen ved å bruke % og %% -symboler:

%tid i Jupyter Notebook

%tid”Er en Line Magic -kommando der koden består av en enkelt linje eller skal skrives på samme linje for å måle utførelsestiden. I “%tid”Kommando, den aktuelle koden er spesifisert etter“%tid”Skilles med et rom.

Denne kommandoen utfører den tilgjengelige koden mange ganger og returnerer det raskeste resultatets hastighet. Denne kommandoen vil automatisk beregne antall utførelser som trengs for koden i et totalt utførelsesvindu på 2 sekunder.

%TIDIT SYNTAX

Følgende syntaks brukes til å kjøre kommandoen “%timeit”:

%timeit [-n-r[-t | -c] -Q -p

-o] uttalelse
%timeit maks (rekkevidde (100000)) %tid for _ innen rekkevidde (500): True

Eksempel

La oss forklare "%timeit" ved hjelp av følgende eksempel:

def test (n):
Retursum (rekkevidde (n))
n = 10000
%timeit -r 4 -n 10000 test (n)

I den forrige kildekoden er nummeret og repetisjonen spesifisert, med -n og -R er valgfritt. Gjentakelsen og nummeret i “Timeit.Timeit () ”blir automatisk satt som standard.

Som du ser i forrige utgang, beregnes standardavviket og gjennomsnittet av det forrige kodestykket ved å bruke %timeit.

%% Timeit i Jupyter Notebook

%% TIMEIT”Kommando brukes til å måle utførelsestiden for hele cellekoden og kan inneholde flere kodelinjer som kan skrives i neste linje. “%% TIMEIT”Er enklest å bruke fordi du trenger å gå inn“%% TIMEIT”Bare ved starten av cellen. Vi inkluderte “Numpy” Python -biblioteket. Derfor inkluderer følgende eksempel tid til å importere “Numpy” -modulen:

Eksempel

%% Timeit -r 4 -n 10000
Importer numpy som NP
a = np.Arange (n)
np.sum (a)

Dette vil beregne gjennomsnittet og standardavviket for den gitte koden.

Tidsalternativer

Følgende alternativer eller flagg du kan spesifisere med TIMEIT -kommandoen:

Alternativer Hensikt
-n Den utfører kodeoppgavetidene i en loop. Hvis antallet ikke er gitt, bestemmer det å få god nøyaktighet.
-r Viser antall repetisjoner.
-p

Brukes til å beregne presisjonen til

sifre for å vise timingresultatet.

-c Bruk tid.klokke; Standardfunksjon på Windows for å måle veggtiden.
-t Bruk tid.tid; Standardfunksjonen på UNIX måler veggtiden.
-q Bruk for stille; Ikke vis noe resultat.
-o Returnerer TimeItResult som er videre lagret i en variabel for å se flere detaljer.

Konklusjon

Vi har sett i denne opplæringen hvordan du bruker Timeit i en Jupyter -notatbok. %TIMEIT -kommandoen brukes til å måle utførelsestiden for et kodestykke. Vi har utdypet forskjellen mellom %timeit og %% TIMEIT -kommandoen i Jupyter Notebook og hvordan begge brukes i et program. Ulike tidsalternativer er også nevnt i denne guiden. Vi håper du fant denne artikkelen nyttig. Sjekk ut andre Linux -hint -artikler for flere tips og informasjon.