9、Python程序运行方式与优化探索

Python程序运行方式与优化探索

1. Python运行优化工具

在Python的世界里,有一些工具和技术致力于优化程序的运行效率和打包方式。

1.1 Shed Skin

Shed Skin仍在积极开发中,目前支持Python 2.4到2.6的代码。它对Python程序施加了隐式静态类型约束,这虽不是标准的Python特性,但在大多数程序中较为常见。初步结果显示,Shed Skin在执行速度上有潜力超越标准Python和类似Psyco的扩展。若想了解该项目的最新状态,可在网上搜索相关信息。

1.2 Psyco:原始的即时编译器

Psyco并非另一种Python实现,而是一个扩展字节码执行模型以加速程序运行的组件。如今,Psyco已不再活跃维护,但它的理念被融入了更完善的PyPy系统。

Psyco是对Python虚拟机(PVM)的增强,在程序运行时收集和使用类型信息,将部分程序字节码转换为真正的二进制机器码,从而实现更快的执行速度。这个转换过程无需修改代码或进行单独的编译步骤。

在程序运行时,Psyco会收集传递对象的类型信息,据此生成针对这些对象类型的高效机器码。生成的机器码会替换原字节码的相应部分,使程序随着运行时间的增加而变得更快。在理想情况下,某些Python代码在Psyco的支持下可以达到与编译后的C代码相当的速度。

由于这种从字节码到机器码的转换是在程序运行时进行的,所以Psyco被称为即时编译器。与Java的即时编译器不同,Psyco是一种专门的即时编译器,它会根据程序实际使用的数据类型生成机器码。例如,如果程序的某个部分在不同时间使用不同的数据类型,Psyc

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值