NumPy 基准测试#

使用 Airspeed Velocity 进行 NumPy 基准测试.

用法#

Airspeed Velocity 会自行管理构建和 Python 虚拟环境,除非另有说明.要运行基准测试,您无需将 NumPy 的开发版本安装到当前的 Python 环境中.

在开始之前,请确保已安装 airspeed velocity.默认情况下, asv 附带对 anaconda 和 virtualenv 的支持:

pip install asv
pip install virtualenv

在贡献新的基准测试后,您应该在提交 pull request 之前在本地对其进行测试.

要运行所有基准测试,请在命令行中导航到根 NumPy 目录并执行:

spin bench

这会构建 NumPy 并运行在 benchmarks/ 中定义的所有可用基准测试.(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.)

对于在本地测试基准测试,最好在没有复制的情况下运行这些测试:

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

其中用于匹配基准测试的正则表达式存储在 $REGEXP 中,并且 –quick 用于避免重复.

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

spin bench -t bench_core

要运行在类中定义的基准测试,例如来自 bench_creation.py 的 MeshGrid

spin bench -t bench_creation.MeshGrid

要比较基准测试结果与另一个版本/提交/分支的更改,请使用 --compare 选项(或等效的 -c ):

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

以上所有命令都会在控制台中以纯文本形式显示结果,并且结果不会保存,以便与将来的提交进行比较. 为了更好地控制,图形化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 asv 的更多信息,请参见 ASV documentation .命令行帮助可以像往常一样通过 asv --help 和 asv run --help 获得.

基准测试版本#

要在本地的不同机器上仅对发布版本进行基准测试或可视化,可以在使用 asv 运行之前生成带有其提交的标签,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,请参见 benchmark results repository .

编写基准测试#

有关如何编写基准测试的基础知识,请参见 ASV documentation .

需要考虑的一些事项:

  • 基准测试套件应该可以使用任何 NumPy 版本导入.

  • 基准测试参数等不应依赖于安装了哪个 NumPy 版本.

  • 尽量保持基准测试的运行时间合理.

  • 首选 ASV 的 time_ 方法进行基准测试,而不是通过 time.clock 计算时间,即使在编写基准测试时需要进行一些调整.

  • 准备数组等通常应放在 setup 方法中,而不是 time_ 方法中,以避免将准备时间与基准测试操作的时间一起计数.

  • 请注意,使用 np.empty 或 np.zeros 创建的大型数组可能直到访问内存后才会在物理内存中分配. 如果这是期望的行为,请确保在您的 setup 函数中对其进行注释. 如果您正在对某个算法进行基准测试,则用户不太可能在新建的空/零数组上执行该算法. 可以通过在创建数组后调用 np.ones 或 arr.fill(value) 来强制在 setup 阶段发生缺页错误.

On this page