计算np.random.uniform与np.random.beta的成本

Question

我有一个使用np.random.uniform的算法我想切换到np.random.beta和/或np.random.gamma来提高近似效率。由于算法已经相当耗时（约8小时）和内存密集型（每个线程5 GB），我想检查是否有任何关于在我尝试运行之前这将花费多少钱的信息。

由于它是在循环内部调用的，我应该假设它不会改变内存需求吗？

运行时间有什么不同？

Answer 1

使用ipython测试它：

In [1]: import numpy as np

In [2]: %timeit np.random.random(1000)
100000 loops, best of 3: 9.25 µs per loop

In [3]: %timeit np.random.beta(0.5, 0.5, 1000)
10000 loops, best of 3: 45.3 µs per loop

这意味着因子为5，但它似乎取决于β的参数。

然而，在得出任何结论之前，您应该确保随机数生成是算法的时间限制因素。运行探查器以找出真正的瓶颈所在。