主页 / 问题 / 1378708
Accepted
almaz
Asked:2022-07-05 11:40:56 +0000 UTC2022-07-05 11:40:56 +0000 UTC

python为什么Lru_cache不适用于示例中的简单函数

  • 772

告诉我为什么не работает @lru_cache（来自functools）对于这么简单的功能，我想研究缓存，我举了一个简单的例子，它对我不起作用（python ~ 3.9）

from functools import lru_cache
import time

@lru_cache(maxsize=10)
def test(num):
    result = 0
    for i in range(num):
        result += i
    return result


start = time.time()
test(num=100000000)
end = time.time()
print(f"result 1: {end - start}")
print(test.cache_info())

我使用 lru_cache 装饰器或不使用它来执行该函数，它根本没有区别：/

python

2 个回答

  1. Best Answer

    看，装饰器@lru_cache是用来记忆递归函数的。在您的情况下，根本没有必要记住，因为 该函数被调用一次，循环在其中运行。为了记忆一些东西，你必须首先得到至少一个起点。你没有它，所以一个大数字的干净计算发生并结束。

    这是一个简单的示例，您可以比较使用和不使用它的运行速度：

    from functools import lru_cache
import time

@lru_cache(maxsize=10)
def test(num, res):
    if num == res:
        return res
    return test(num+1, res)
start = time.time()
for i in range(1,100):
    test(i, 100)
end = time.time()
print(f"result 1: {end - start}")
print(test.cache_info())

    更新

    这是一个示例，可以更容易地注意到程序工作的差异

    from functools import lru_cache
import time
import sys
sys.setrecursionlimit(8000000) # Поставил чтобы увеличить максимальное кол-во рекурсий

@lru_cache(maxsize=10)
def test(num, res):
    if num == res:
        return res
    if num % 1000 == 0:
        return test(num+1000, res)
    if num % 100 == 0:
        return test(num+100, res)
    if num % 10 == 0:
        return test(num+10, res)
    if num % 2 == 0:
        return test(num+2, res)
    return test(num+1, res)
start = time.time()
for i in range(1,100):
    test(i, 10**7)
end = time.time()
print(f"result 1: {end - start}")
print(test.cache_info())
    • 3

  2. 好吧，关于什么lru_cache不适合你的任务，你已经写过了。每个功能都需要正确的方法来加速它。内部有一个循环（甚至更好的是两个嵌套循环）的函数通常可以使用 decorator 很好地加速numba.njit()，如果幸运的话，加速度将达到 2 个数量级。您可以像这样在代码中检查这一点 - 我们不会更改其中的任何内容，我们只是使用不同的装饰器：

    import time
from numba import njit

@njit()
def test(num):
    result = 0
    for i in range(num):
        result += i
    return result

start = time.time()
test(num=100_000_000)
end = time.time()
print(f"result 1: {end - start}")
# result 1: 0.14800786972045898

    但是还有其他的选择，比如可以使用库numpy，加速也会很大，但是这里你得稍微重写一下代码，比如像这样：

    import time
import numpy as np

def test(num):
    return np.arange(num).sum()

start = time.time()
test(num=100_000_000)
end = time.time()
print(f"result 1: {end - start}")
# result 1: 0.24969029426574707

    了解在哪种情况下使用哪些数据结构和库非常重要。没有一种通用的补救措施。但是有很多不同的，你需要了解它们并能够应用它们。

    PS 顺便说一句，如果您从函数中删除循环并立即对其求和range，那么它已经可以在没有任何装饰器和其他库的情况下快几倍：

    def test(num):
    return sum(range(num))
    • 1

相关问题