从这里使用接受的答案(带有doctests)给Memoized装饰器:What can be done to speed up this memoization decorator?
和以下代码(fib.py):
class O(object):
def nfib(self,n): # non-memoized fib fn
if n in (0, 1):
return n
return self.nfib(n-1) + self.nfib(n-2)
@Memoized
def fib(self,n): # memoized fib fn
if n in (0, 1):
return n
return self.fib(n-1) + self.fib(n-2)
if __name__ == '__main__':
import time
o = O()
stime = time.time()
print "starting non-memoized"
for i in range(10):
print o.nfib(32)
print "finished non-memoized - elapsed secs =", time.time() - stime
stime = time.time()
print "starting memoized"
for i in range(10):
print o.fib(32)
print "finished memoized - elapsed secs =", time.time() - stime
stime = time.time()
print "starting memoized with reset"
for i in range(10):
Memoized.reset()
print o.fib(32)
print "finished memoized with reset - elapsed secs =", time.time() - stime
我得到以下输出:
C:\TEMP>python fib.py
starting non-memoized
2178309
2178309
2178309
2178309
2178309
2178309
2178309
2178309
2178309
2178309
finished non-memoized - elapsed secs = 16.4189999104
starting memoized
2178309
2178309
2178309
2178309
2178309
2178309
2178309
2178309
2178309
2178309
finished memoized - elapsed secs = 0.00100016593933
starting memoized with reset
2178309
2178309
2178309
2178309
2178309
2178309
2178309
2178309
2178309
2178309
finished memoized with reset - elapsed secs = 0.00299978256226
C:\TEMP>
我原本期望第三个循环和第一个循环一样长,因为它每次循环都会重置它的缓存。将调试语句插入到fib方法中会显示它没有被缓存,并且确实在第三个循环中计算结果,但它比第一个循环大得多。为什么???
我希望我忽略了一些令人尴尬的事情,但我的好奇心目前超过了我的骄傲。 (b.t.w。我在Windows 7专业机器上使用64位python 2.7,如果重要的话)
感谢。
答案 0 :(得分:6)
天真斐波纳契函数的调用树不是线性或三角形,而是多维金字塔形。通过记忆甚至一次你从树中调整大量的调用量,将金字塔变成一个大多数线性结构。
答案 1 :(得分:3)
第三个循环在计算每个最终结果后重置 - 但是,它仍然受益于递归调用的记忆。
答案 2 :(得分:1)
time.time()不应该用于时间码,特别是在Windows上!使用timeit module。这是一个旧intoduction。一个大问题是计算机不断地做数百件事。如果Outlook正在提取电子邮件时运行一部分,则可能需要稍长于Outlook完成后的其他功能。重复任务并采取最小化往往会更好。这个以及许多其他内容由timeit模块自动处理。
关于Windows,这部分非常相关:
在Windows上,time.clock()具有微秒粒度但是 time.time()的粒度是1/60秒