bitWalk's: 【備忘録】Numba を試す

2022-03-17

【備忘録】Numba を試す

Numba は、Python と NumPy のコードのサブセットを、高速な機械語に変換するオープンソースの JIT コンパイラです。Numba のサイト [1] によると、Numba デコレータを Python 関数に適用するだけで、実行時に機械語に変換されるということです。

Numba のサイトで紹介されている簡単なサンプルで、Numba の有無で実行速度の差がどのぐらい違うのかを確認してみました。

下記の OS 環境で動作確認をしました。

	Fedora Silverblue 35	x86_64
	Python	3.10.2
	Numba	0.55.1

Numbe は pip コマンドでインストールしました。

(venv) $ pip install numba

以下のサンプルの処理部分は、Numba のサイト [1] で紹介されているモンテカルロ法のサンプルの丸写しです。Numba のデコレータ指定の有無での実行速度の差を計測してみました。

test_numba.py

	#!/usr/bin/env python
	# coding: utf-8
	from numba import jit
	import random
	import time


	def benchmark(f):
	def wrap(args, *kwargs):
	time_start = time.time()
	ret = f(args, *kwargs)
	time_end = time.time()
	msec_elapsed = (time_end - time_start) * 1000.
	print('{:s} function tool {:.3f} ms'.format(f.__name__, msec_elapsed))
	return ret

	return wrap


	@benchmark
	def monte_carlo_pi_1(nsamples):
	acc = 0
	for i in range(nsamples):
	x = random.random()
	y = random.random()
	if (x 2 + y 2) < 1.0:
	acc += 1
	return 4.0 * acc / nsamples


	@benchmark
	@jit(nopython=True)
	def monte_carlo_pi_2(nsamples):
	acc = 0
	for i in range(nsamples):
	x = random.random()
	y = random.random()
	if (x 2 + y 2) < 1.0:
	acc += 1
	return 4.0 * acc / nsamples


	def main():
	n = 10000000
	ans1 = monte_carlo_pi_1(n)
	print('Pi =', ans1)
	ans2 = monte_carlo_pi_2(n)
	print('Pi =', ans2)


	if __name__ == '__main__':
	main()

view raw test_numba.py hosted with ❤ by GitHub

非力な CPU (Intel Celeron N4020) を搭載した PC による結果です。

monte_carlo_pi_1 function tool 11921.090 ms
Pi = 3.140964
monte_carlo_pi_2 function tool 2346.997 ms
Pi = 3.1419032

monte_carlo_pi_1 が Numba 指定無し、monte_carlo_pi_2 が Numba 指定有りです。簡単な処理とはいえ、一億回ループを回して、計算時間が一桁違うのであれば、使ってみる価値は十分ありそうです。また、並列演算にも使えるようなので、使いこなせるようになればパフォーマンス向上に役立ちそうです。

トップへ