我正在研究欧拉计划并想知道我是否可以使用 PyPy 加速我的解决方案。然而，我发现结果非常令人失望，因为计算需要更多时间。
d:\projeuler>pypy problem204.py
3462.08630405 mseconds
d:\projeuler>python problem204.py
1823.91602542 mseconds
由于毫秒输出是使用 python 计算的time模块，所以我使用内置基准测试命令再次运行它。
d:\projeuler>pypy -mtimeit -s "import problem204" "problem204._main()"
10 loops, best of 3: 465 msec per loop
d:\projeuler>python -mtimeit -s "import problem204" "problem204._main()"
10 loops, best of 3: 1.87 sec per loop
PyPy 报告称大约需要半秒才能完成运行。然而，我尝试运行 pypy Problem204 几次，但输出从未接近基准测试的 0.5 秒。与 pypy 不同，python 的 mtimeit 结果与输出一致。 pypy 给我的基准是不准确的，还是有一些我不明白的魔法？
注意时间
- 多次运行该语句（在您的情况下运行 10 次），并且
- 执行多次（默认为 3 次）并给出最小值，原因如下文档中概述.
这取决于您的代码，但 JIT 编译器完全有可能是造成这种令人困惑的结果的原因。每次启动新的 pypy 进程时都会产生 JIT 预热开销，但在 timeit 基准测试期间只发生一次（因为该进程运行_main在同一过程中多次）。此外，如果代码的某些部分运行得太频繁，以至于在_main运行一次，但只有当它运行三次时，后续运行也会更快，这进一步消除了第一次运行的最佳结果（即运行的结果）pypy problem204.py once).
The timeit结果是正确的，因为它（大致）匹配代码在最佳情况下的速度 - 预热 JIT 编译器，很少将 CPU 分配给其他程序等。
你的问题是你想知道一些不同的东西——包括 JIT 预热的时间。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
