NumPy 基准测试#

使用 Airspeed Velocity 对 NumPy 进行基准测试。

用法＃

除非另有说明，Airspeed Velocity 自行管理构建和 Python virtualenvs。要运行基准测试，您不需要在当前的 Python 环境中安装 NumPy 的开发版本。

开始之前，请确保已安装空速速度。默认情况下，asv附带对 anaconda 和 virtualenv 的支持：

pip install asv
pip install virtualenv

贡献新的基准后，您应该在提交拉取请求之前在本地测试它们。

要运行所有基准测试，请在命令行导航到 NumPy 根目录并执行：

spin bench

这将构建 NumPy 并运行benchmarks/. （注意：这可能需要一段时间。每个基准测试都会运行多次以测量执行时间的分布。）

对于本地测试基准测试，最好在不进行复制的情况下运行这些基准测试：

cd benchmarks/
export REGEXP="bench.*Ufunc"
asv run --dry-run --show-stderr --python=same --quick -b $REGEXP

其中用于匹配基准的正则表达式存储在 中$REGEXP，并且使用–quick来避免重复。

要从特定基准测试模块（例如 ）运行基准测试， bench_core.py只需附加不带扩展名的文件名：

spin bench -t bench_core

要运行类中定义的基准测试，例如MeshGrid from bench_creation.py：

spin bench -t bench_creation.MeshGrid

将基准测试结果的更改与另一个版本/提交/分支进行比较，使用以下 --compare选项（或等效选项-c）：

spin bench --compare v1.6.2 -t bench_core
spin bench --compare 20d03bcfd -t bench_core
spin bench -c main -t bench_core

上面的所有命令都会在控制台中以纯文本形式显示结果，并且不会保存结果以与将来的提交进行比较。为了更好地控制、图形视图以及保存结果以供将来比较，您可以运行 ASV 命令（记录结果并生成 HTML）：

cd benchmarks
asv run -n -e --python=same
asv publish
asv preview

有关如何使用的更多信息，asv请参阅ASV 文档 命令 行帮助可照常通过和 获得。asv --helpasv run --help

基准测试版本#

要在本地对不同机器上的版本进行基准测试或可视化，可以在使用 运行之前生成带有其提交的标签asv，即：

cd benchmarks
# Get commits for tags
# delete tag_commits.txt before re-runs
for gtag in $(git tag --list --sort taggerdate | grep "^v"); do
git log $gtag --oneline -n1 --decorate=no | awk '{print $1;}' >> tag_commits.txt
done
# Use the last 20
tail --lines=20 tag_commits.txt > 20_vers.txt
asv run HASHFILE:20_vers.txt
# Publish and view
asv publish
asv preview

有关贡献这些内容的详细信息，请参阅基准测试结果存储库。

编写基准#

有关如何编写基准测试的基础知识，请参阅ASV 文档。

需要考虑的一些事项：

  • 基准测试套件应该可以与任何 NumPy 版本一起导入。

  • 基准测试参数等不应取决于安装的 NumPy 版本。

  • 尽量保持基准测试的运行时间合理。

  • 更喜欢 ASV 的time_基准测试时间方法，而不是通过 进行时间测量time.clock，即使在编写基准测试时需要一些处理。

  • 准备数组等一般应该放在setup方法中而不是time_方法中，以避免将准备时间与基准操作的时间一起计算。

  • 请注意，在访问内存之前，使用物理内存创建的大型数组np.empty可能不会np.zeros在物理内存中分配。如果这是所需的行为，请确保在您的设置函数中对其进行注释。如果您正在对算法进行基准测试，则用户不太可能在新创建的空/零数组上执行所述算法。人们可以通过调用np.ones或 arr.fill(value)创建数组后强制在设置阶段发生页面错误，