如何用Python裝飾器計(jì)算函數(shù)運(yùn)行時(shí)間？關(guān)于裝飾師，我不會(huì)再解釋了。您可以在我的標(biāo)題鏈接中看到文章Python decorator：使用decorators計(jì)算函數(shù)的運(yùn)行時(shí)間。第一個(gè)想法是在deco

如何用Python裝飾器計(jì)算函數(shù)運(yùn)行時(shí)間？

關(guān)于裝飾師，我不會(huì)再解釋了。您可以在我的標(biāo)題鏈接中看到文章Python decorator：

使用decorators計(jì)算函數(shù)的運(yùn)行時(shí)間。第一個(gè)想法是在decorators中記錄函數(shù)執(zhí)行的兩側(cè)的時(shí)間戳，然后減去它們得到函數(shù)的運(yùn)行時(shí)間，如下所示：

您可以得到函數(shù)運(yùn)行的秒數(shù)，運(yùn)行結(jié)果如下所示：

使用此模塊測(cè)量和修改以前的decorator。修改后的decorator如下：

運(yùn)行結(jié)果：

timeit模塊用于測(cè)量一小段代碼的執(zhí)行時(shí)間。它的方法如下：

只寫了一些常用的方法，還有其他的方法可以自己瀏覽

當(dāng)然，用timeit模塊代替decorator是非常方便的

以上只是簡單的用Python中的decorator來度量代碼的運(yùn)行時(shí)間。

Python語言其實(shí)很慢，為什么機(jī)器學(xué)習(xí)這種快速算法步驟通常還是用呢？

對(duì)于那些使用了多種開發(fā)語言（Java、C#、nodejs、Erlang）然后轉(zhuǎn)向Python進(jìn)行機(jī)器學(xué)習(xí)的人，我想說一下我的看法。

首先，Python真的很慢嗎？我的回答是真的。非常慢。for循環(huán)比CPP慢兩個(gè)數(shù)量級(jí)。

那么為什么要使用Python呢？如果我們遍歷超過一億個(gè)數(shù)據(jù)，兩個(gè)數(shù)量級(jí)的差異是不可接受的。但是，如果我們使用Python來執(zhí)行頂層邏輯并阻塞數(shù)以億計(jì)的數(shù)據(jù)，Python只會(huì)循環(huán)十幾次，剩下的就留給CPU和GPU了。所以兩個(gè)數(shù)量級(jí)無關(guān)緊要？一毫秒和100毫秒在整個(gè)系統(tǒng)中并不重要。

Python最大的優(yōu)點(diǎn)是它可以非常優(yōu)雅地將數(shù)據(jù)拋出到高效的C、CUDA中進(jìn)行計(jì)算。Numpy、panda、numba這些優(yōu)秀的開源庫可以非常方便高效地處理海量數(shù)據(jù)，借助ZMQ、cell等還可以做分布式計(jì)算，gevent借助epoll系統(tǒng)IO優(yōu)化。因此，它不需要花費(fèi)太多的精力就可以優(yōu)雅高效地完成海量數(shù)據(jù)處理和機(jī)器學(xué)習(xí)任務(wù)。這就是Python如此流行的原因。

好好想想。同樣的性能，代碼只有CPP或Java的三分之一或更少，不是很吸引人嗎？

做科學(xué)計(jì)算用Python還是MATLAB？

使用python，我對(duì)python的使用有一些個(gè)人的看法：

1.2017人工智能（包括科學(xué)計(jì)算）流行了一年，python的用戶數(shù)量大大增加，這是大勢(shì)所趨。

2. Python的開發(fā)效率遠(yuǎn)遠(yuǎn)高于其他高級(jí)語言。例如，1000行C語言代碼、100行Java代碼和20行Python代碼就足以說明Python的開發(fā)效率。

3. Python的第三方庫非常豐富，你會(huì)發(fā)現(xiàn)只要你想大部分的東西都被打包了庫，比如numpy數(shù)值計(jì)算，Matplotlib，一個(gè)類似Matlab的庫，用于繪圖，panda文件操作庫，這些庫都會(huì)在科學(xué)計(jì)算中常用。

像python這樣運(yùn)行底層編程語言很費(fèi)時(shí)，所以我們不能在任何地方使用python來實(shí)現(xiàn)它。

以上是我的觀點(diǎn)。