Notice
Recent Posts
Recent Comments
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- rnn
- 기계학습
- 논문 해석
- Snn
- Deep Neural Network
- Spiking Neural Network
- 머신러닝
- 머신러닝 논문리뷰
- map
- 인공신경망
- MNIST
- 딥러닝
- Bagging
- ML
- 논문 리뷰
- MLE
- 이상 현상 탐지
- anomalydetection
- 이상 탐지
- 논문리뷰
- 레이텍
- Deep Learning
- ae
- Machine Learning
- autoencoder
- Python
- Fast Fourer Transform
- Generative Model
- Wavelet Transform
- 뉴럴네트워크
- Today
- Total
MATH & ML
numba의 jit을 이용하여 속도 높이기 본문
numba라는 library에서 jit이라는 기능을 import하여 사용하면 속도를 높일 수 있는데.
jit이란 just in time의 약자로 numba는 컴파일러 기반인 덕분에
프로그램을 실제 실행하는 시점에 기계어로 컴파일하여 인터프리터 속도를 향상시키는 방법이다.
즉 우리가 아는 c언어 처럼 적용 함수의 실행 코드를 미리 생성해놓는 것이다.
사용방법은
from numba import jit
를 위에서 선언해주고
그 후에 이 컴파일을 적용하려고 하는 함수 앞에
@ jit
을 추가하면 된다.
코드를 수정하지 않아도 맨 앞에 이 구문만 뭍여서 시간을 아주 빠르게(거의20배?) 바꿔줄 수 있다.
'Python' 카테고리의 다른 글
과제 중 자주 쓰일 수 있는 함수 3가지 map, filter, reduce (0) | 2018.02.19 |
---|---|
Data Processing - Categorical Feature (데이터 전처리 팁) (0) | 2018.02.05 |
Pandas dataframe에서 row, column 선택하는 방법 & loc 와 iloc 의 차이 (0) | 2018.02.05 |
jupyter notebook 단축키 아주아주 기본적인것들 (0) | 2018.02.03 |
Comments