Ejemplo de desempeño de Julia''s Python en pypy

numpy python-2.7

Question

Julia es un nuevo lenguaje de programación estadística que afirma un rendimiento significativamente mejor que los idiomas de la competencia. Estoy tratando de verificar esto. Julia tiene una prueba de rendimiento escrita en Python: https://github.com/JuliaLang/julia/blob/master/test/perf/perf.py

No consigo que funcione con pypy. Quizás esto se deba a incompatibilidades numpypy con numpy, pero no estoy llegando lo suficiente como para determinar eso. Seguí el consejo de ImportError "...or just write ''import numpypy'' first in your program..." pero obtengo otro ImportError: "No module named numpy.linalg"

Tengo una experiencia casi nula con Python y estoy buscando una solución completa que pueda ejecutar. El beneficio de hacer que esto funcione es que podemos tener una comparación de manzanas con manzanas (jit lang-to-jit lang).

Answer 1

Linalg no está implementado a partir de ahora. Creo que un nuevo ffi y obtener 1.9 por la puerta (que requieren un buen número de soluciones, vea el rastreador de errores) están recibiendo la máxima prioridad. No creo que tener linalg en este momento sea ​​tan interesante. Nos gustaría tener más de numpy corriendo primero. Aunque estoy abierto a ser convencido. Argumentos?

Answer 2

Hay 4 pruebas en Julia git (perf.py) en Python puro. Aquí, ejecuto, en la misma computadora, perf.py (solo la prueba de Python pura) y perf.pl para una comparación de manzanas con manzanas. Estoy un poco preocupado por la sincronización de Python / Pypy: /

Y por qué

## fibonacci ##
def fib(n):
if n<2:
return n
return fib(n-1)+fib(n-2)

¿Es más lento en Pypy que en Python?

Publico esta pregunta en https://bugs.pypy.org/issue1344 [Pypy más lento en recursión que Python2.7, Python3.2 y Julia] Me sale la siguiente respuesta:

Esta es una situación en la que el tiempo de calentamiento es muy significativo (intenta alinear toda la recursión), pero una vez que lo calientas, en realidad es muy rápido.

Por lo tanto, hago el texto con diferentes números de n para fib (n) . De hecho, Pypy llega más rápido que Python con un> 30, pero en recursión es más lento que Julia:

[En negrita la implementación más rápida de python]

Debido a que se implementan con recursión, Quicksort y fib son más lentos en Pypy. Julia parece ser más rápida que PyPy.