Question

来自我的question on Code-Review，对随机数生成库的性能进行了一些分析，特别是python和numpy的random工具。可以假设不同机器上的性能会有一些差异，但总体结论是相同的，x比y快。但事实并非如此。

在Oscar Smith's answer中，他进行了测试，得到了以下结果，在Ubuntu，Python 2.7和3.6，NumPy 1.14.1上运行：

timeit.timeit('rand(0,1000)', setup='from numpy.random import uniform as rand')
0.7485988769913092
timeit.timeit('rand(0,1000)', setup='from random import uniform as rand')
0.2676771300029941

我执行了相同的测试，得到了相反的结果，在RHEL 7.4，Python 2.7.5，NumPy 1.7.1上运行：

timeit.timeit("rand(0, 1000)", setup="from numpy.random import uniform as rand")
0.1250929832458496
timeit.timeit("rand(0, 1000)", setup="from random import uniform as rand")
0.47645998001098633

我希望这些值会有所不同，但会相同，即他会得到0.5, 0.1，我会得到0.25, 0.05。但是，我们得到了直接相反的结果。这里发生了什么？如果可能的话，官方认为哪个库更快？

一个有趣的旁注，在一个在线翻译https://repl.it/languages/python3内运行，原生python更快：

Python 3.6.1 (default, Dec 2015, 13:05:11)
[GCC 4.8.2] on linux


   import timeit
   import numpy
   numpy.__version__
=> '1.14.1'
   timeit.timeit('rand(0,1000)', setup='from numpy.random import uniform as rand')
=> 2.416280833000201
   timeit.timeit('rand(0,1000)', setup='from random import uniform as rand')
=> 1.0206557700003032

Answer 1

你使用的是非常古老的NumPy版本，NumPy 1.7.1。从那以后，numpy.random变得越来越复杂。

例如，比较numpy.random.uniform的{{3}}和1.14.1实现，1.14.1实现涉及锁定，并为low支持数组喜欢做额外的工作和high。 1.7.1不这样做。

numpy.random.randint（您在Code Review问题中使用的）也变得更加复杂。比较1.7.1和1.14.1实现，1.14.1实现包括一个锁，dtype的动态调度，以及Python级API的大量使用，所有这些都增加了每个调用的开销。 1.7.1的实现更为直接。

随机数生成器的性能结果冲突

1 个答案: