Improvements in CoMD Cell Method Performance
Times are all in μs/atom. System size is 4000 atoms. Hardware is Xeon E5-2630 v3 @ 2.4 Ghz, OS is Ubuntu 12.04. The 'Initial Time' column results from the minimal amount of code changes to get the compiler working. The 'Final Time' is the time after the tuning in this post. Julia The cell version contains the same issue with array operations as the nsquared version - the computation of dd allocate
Pythonコードの高速化ソリューションと言えばPyPyだよね〜 | TRIVIAL TECHNOLOGIES on CLOUD
PyPyはRPythonという文法的にちょっとした制約があるPythonを使う必要がある(大抵のコードはそのまま動くらしいけど)。そういう制限があったとしても，ほぼPurePythonなコードをPyPyで動かすだけでここまで高速化できるというのは驚きだ。 今年の夏に行ったEuroPython 2010でPyPyのセッションで，ちょうどJITの作者Antonio Cuniさんが話してた。トークが終わった後「PyPyのJITはなんで速いの？」との質問に答えてAntonioさん曰く「オブジェクトが持っているデータをメモリ上の固定位置に配置してるのが効いているみたい」と言っていた。この質問をしたのは実はセッションを聞きに来てたGuidoで，彼自身もPyPyにとっても興味があるみたい。 動的型付け言語の高速化手法はいろいろあるけど，PyPyのアプローチは副作用も少ないし，straightforwar
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
How to ignore the annoying Cython warnings in PyPy 6.0
luajit vs pypy 2016 - ゲームエンジニアな日々
ianlewis@hachyderm.io on Twitter: "@shibu_jp @voluntas うむ。ところどころ改善するのにCythonがいいかもしれないけど、システム全体のパフォーマンスアップするのに難しいよねぇ。あと、Cythonはメンテコストは高いと思う"
