Мобильная версияЯ использую приведенный ниже тестовый сценарий, представленный в этом видео примерно в 24:30, и сохранил его как problem1.py.
Код: Выделить всё
import numpy as np
def main():
for i in range(10):
x = np.array(range(10**7))
y = np.array(np.random.uniform(0, 100, size=(10**8)))
main()
print('Done.')
Scalene: указанный код не выполнялся достаточно долго для профилирования.
По умолчанию Scalene профилирует только код в исполняемом файле и его подкаталогах.
Чтобы отслеживать время, проведенное во всех файлах, используйте Опция --profile-all.
ПРИМЕЧАНИЕ. В настоящее время графический процессор работает в режиме, который может снизить точность Scalene при составлении отчетов об использовании графического процессора.
Если у вас есть привилегии sudo, вы можете запустить эту команду (Только для Linux), чтобы включить учет графического процессора для каждого процесса:
python3 -m Scalene.set_nvidia_gpu_modes
Окно с результатами профилирования автоматически не появляется. Выполнение кода занимает примерно 20 секунд, поэтому я думаю, что на самом деле он может работать достаточно долго для профилирования.
(2) Я также сталкиваюсь с аналогичной проблемой в VS Code. Код работает как положено, если не профилировать. Однако когда я следую (отличным) инструкциям, приведенным в этом выпуске GitHub — нажмите Ctrl+Shift+P, введите «scalene» и выберите единственный вариант в раскрывающемся меню — в правом нижнем углу появится всплывающее окно. угол VS Code под названием «Scalene: теперь профилирование». Эта коробка остается примерно на 20 секунд, а затем исчезает. На терминал ничего не выводится, и автоматически не появляется окно с результатами.
Каковы возможные причины проблем (1) и (2) или как их устранить?
(Я публикую этот вопрос на Stack Overflow с мыслью, что ответы могут быть полезны другим программистам, работающим со Scalene, но если вопрос должен перейти в другое место, дайте мне знать, оставив комментарий. Копия в настоящее время опубликовано на GitHub.)
Обновление.[/b] Хотя я до сих пор не понимаю приведенное выше сообщение об ошибке, я пошел дальше и попробовал масштабную проблему1.py --profile-all, и это действительно привело к появлению веб-страницы с частичными результатами профилирования. Трудно описать содержание этой веб-страницы без скриншота, поэтому я предварительно прикреплю его, и если у кого-то есть возражения против этого, дайте мне знать в комментариях.
Примечательно, что строки 1, 2, 5, 7 и 8 Проблема1.py не отображается в приведенном выше профилировании. А первый блок, который появляется для профилирования «поточных» операций, не показан в упомянутом выше видео. Запуск на отдельном ПК с другой историей и программным обеспечением дал идентичные результаты. Кроме того, аналогичное профилирование других тестовых функций показало такие же обрезанные/фрагментированные результаты профилирования.
Приведенное ниже предостережение по-прежнему появляется в терминале после запуска масштабной проблемы1.py --profile-all.
ПРИМЕЧАНИЕ. В настоящее время графический процессор работает в режиме, который может снизить
точность Scalene при составлении отчетов об использовании графического процессора. Если у вас есть привилегии sudo,
вы можете запустить эту команду (только для Linux), чтобы включить учет графических процессоров
для каждого процесса: python3 -m Scalene.set_nvidia_gpu_modes
Я не смог найти эквивалентную команду Windows для решения этой проблемы.
Итак, учитывая все вышесказанное, могу ли я что-нибудь сделать на своих компьютерах с Windows, чтобы сделать Scalene профилируйте все строки файла error1.py выше?
Подробнее здесь: https://stackoverflow.com/questions/790 ... dows-10-pc
