[B! programming][profiling][translated] pipeheadのブックマーク

pipehead id:pipehead

programmingとprofilingとtranslatedに関するpipeheadのブックマーク (3)

動的配列について – JavaのLinkedListとArrayListを分析・比較する | POSTD
私はSkienaの『Algorithm Design Manual』 (訳注：『アルゴリズム設計マニュアル』上巻・下巻 ) を読んでいました。ところでこの本は素晴らしい本で、連結リストと配列についてこんな比較をしていました(chapter 3.1.3)。連結リストが静的配列に勝る相対的な長所には以下のものがあります。： • メモリが本当にいっぱいにならない限り、連結構造にオーバーフローが生じない。 • 連続的な(配列)リストに比べて、挿入と削除が単純である。 • 大きなレコードを扱う場合、要素自体を動かすよりもポインタを動かすほうが容易かつ高速である。一方で、配列の相対的な長所には以下のものがあります。 • 連結構造には、ポインタのフィールドを格納するための余計な領域が必要となる。 • 連結リストでは、要素に対する効率的なランダムアクセスができない。 • 配列は、ランダムなポイン
pipehead 2016/08/02
/* http://alex.dzyoba.com/programming/dynamic-arrays.html の和訳 */ > 気を確かに持って、誰かや何かを盲目的に信じることのないようにしましょう。計測、計測、計測です。

programming

java

profiling

translated
リンク
Pythonにおけるプロファイリング ― コードの高速化のために | POSTD
ここHumanGeo社ではPythonを使うことが多く、それは極上の楽しみでもあります。美しく機能的なコードを短時間で記述するのにPythonはうってつけで、私個人にとっても一押しの言語です。仕事に限らずプライベートでも使っています。そんな素晴らしいPythonですが、欠点がないわけではありません。それはあまりにも遅いことです。幸いPythonには、コードをプロファイリングするための優れたツールがいくつかあるので、コードの美しさと速さを共存させることができます。 HumanGeoで働き出した頃、実行に長時間を要すプログラムのボトルネックを探り、何とかしてそれを速くさせるという仕事を担当しました。その内容は、 cProfile や PyCallGraph （ソース）、はたまたPyPy（高速なPython用代替インタプリタ）などの各種ツールを使って、プログラムを最適化するためのベストな方法
pipehead 2015/08/20
http://blog.thehumangeo.com/2015/07/28/profiling-in-python/ の和訳; cProfile, PyCallGraph; ボトルネック解消の手引き

programming

python

profiling

translated
リンク
Pythonスクリプトのパフォーマンス計測ガイド | Yakst
Pythonスクリプトの速度を計測し、そのボトルネックを探る。さらに、メモリ使用量、メモリリークの原因特定までの調査方法を解説する。あなたが書いたすべてのPythonプログラムで厳密なパフォーマンス計測が必要になるというわけではないにせよ、その時が来たら、役に立ってくれる様々な種類のツールがPythonのエコシステムにはあるのだということを知っておけば安心できるだろう。プログラムのパフォーマンスを計測することは、すなわち以下の4つの基本的な質問に答えることだと要約できる。どのくらい高速に実行できるか？スピードのボトルネックはどこか？どのくらいのメモリを使うか？メモリリークしているのはどこか？これから、いくつかの素晴らしいツールを使ってこれらの質問に答えていくための詳細を見ていこう。大ざっぱな実行時間素早くざっくりとコードの実行時間を計るのに、古き良きUNIXのユーティリテ
pipehead 2013/09/06
https://www.huyng.com/posts/python-performance-analysis の和訳; time(1), コンテキストマネージャ, line_profiler, memory_profiler, objgraph

programming

python

profiling

translated
リンク
1