我已经阅读了相当多的文档和问题,但我仍然对此感到困惑.
在文档的Profiling部分,建议首先在REPL中运行一次目标函数,以便在分析之前编译它.但是,如果脚本相当复杂并且打算在命令行中运行,接受参数怎么办？当julia进程完成并且我第二次运行脚本时,是否再次执行编译？像/sf/answers/2942853441/这样的帖子,Julia每次编译脚本？给出相互矛盾的答案.当朱莉娅不断发展时,它们似乎也老了.
在我看来,第二次运行所需的时间与我的经验中的第一次运行完全相同.启动时间很长.我该如何优化这样的程序？添加__precompile__()似乎根本没有改变执行时间.
另外,当我想描述这样一个程序时,我该怎么办？关于分析的所有资源都在REPL中讨论这样做.
我编写了一个脚本来在 Julia 中绘制每日数据，但我发现它运行缓慢。似乎没有理想的方法来加速它。
例如 foo.jl
#!/bin/bash
#=
exec julia -O0 --compile=min "${BASH_SOURCE[0]}" "$@"
=#
using UnicodePlots, CSV, DataFrames, Chain, Dates
...
我希望如果我第一次运行“foo.jl a.csv b.csv”，可能需要时间来编译/加载（10秒）。第二次运行它时，它可以跳过编译过程。（它应该大约3秒）。
现在可以吗？我使用的是1.8.3版本。或者，我可以设置每次启动 julia 时默认编译的那些软件包以加快速度吗？
我有一个名为 mycode.jl 的文件，其中包含从此处获取的以下代码。
using MultivariateStats, RDatasets, Plots
# load iris dataset
println("loading iris dataset:")
iris = dataset("datasets", "iris")
println(iris)
println("loaded; splitting dataset: ")
# split half to training set
Xtr = Matrix(iris[1:2:end,1:4])'
Xtr_labels = Vector(iris[1:2:end,5])
# split other half to testing set
Xte = Matrix(iris[2:2:end,1:4])'
Xte_labels = Vector(iris[2:2:end,5])
print("split; Performing PCA: ")
# Suppose Xtr and Xte are training and testing data matrix, with each observation in a column. We train a PCA model, allowing up to 3 …