NumPy 基准测试#

使用 Airspeed Velocity 对 NumPy 进行基准测试。

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，您不需要将 NumPy 的开发版本安装到您当前的 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，您应该在提交拉取请求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 NumPy 的根目录并执行

spin bench

这将构建 NumPy 并运行 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，最好在不进行重复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，并且使用 –quick 来避免重复。

要运行来自特定基准测试模块的基准测试，例如 bench_core.py，只需附加文件名而不带扩展名

spin bench -t bench_core

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

spin bench -t bench_creation.MeshGrid

要将基准测试结果的更改与另一个版本/提交/分支进行比较，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

以上所有命令都将在控制台中以纯文本格式显示结果，并且不会保存结果以与将来的提交进行比较。为了获得更大的控制权、图形视图以及将结果保存以供将来比较，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，请参阅 ASV 文档 命令行帮助照常通过 asv --help 和 asv run --help 提供。

基准测试版本#

要仅在不同机器上本地基准测试或可视化发布，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

有关如何贡献这些内容的详细信息，请参阅 基准测试结果存储库。

编写基准测试#

有关如何编写基准测试的基础知识，请参阅 ASV 文档。

一些需要考虑的事项

  • 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该依赖于安装了哪个 NumPy 版本。

  • 尽量使基准测试的运行时间合理。

  • 对于基准测试时间，最好使用 ASV 的 time_ 方法，而不是通过 time.clock 构建时间测量，即使在编写基准测试时需要一些调整。

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

  • 请注意，使用 np.empty 或 np.zeros 创建的大型数组可能不会在物理内存中分配，直到访问该内存为止。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) 来强制在设置阶段发生页面错误。

本页内容