在模块中使用的Mersenne Twister的时期random是(我被告知)2**19937 - 1.作为二进制数,这是19937'连续1(如果我没有记错的话).Python将其转换为十进制相当快速:
$ python -m timeit '2**19937'
10000000 loops, best of 3: 0.0271 usec per loop
$ python -m timeit -s 'result = 0' 'result += 2**19937'
100000 loops, best of 3: 2.09 usec per loop
Run Code Online (Sandbox Code Playgroud)
我想第二个版本是需要转换的版本?
它不仅仅是二元的.这也很快.(而不是显示数字,我显示转换为字符串的小数的长度):
>>> import math
>>> N = 1000
>>> s = str((int(N*math.e))**(int(N*math.pi)))
>>> len(s)
10787
>>> N = 5000
>>> s = str((int(N*math.e))**(int(N*math.pi)))
>>> len(s)
64921
Run Code Online (Sandbox Code Playgroud)
定时:
python -m timeit -s 'import math' -s 'N=1000' 's = str((int(N*math.e))**(int(N*math.pi)))'
10 …Run Code Online (Sandbox Code Playgroud) 在大学学习期间,我必须学习很多关于计算理论的知识.我研究了三个学期的主题.我很难过,我不得不承认我忘记了很多.
我想知道这是个人问题,还是我们只需要学习很多(或多或少)无用的东西.
所以我的问题是:您认为计算理论领域中哪些主题最重要,哪些部分值得学习,以及您在正常工作中使用哪些主题?
就个人而言,我很高兴我听说过语言理论(尤其是常规语言=>正则表达式 - 当它们可以应用时,何时不应用)以及不同的时间(和空间)复杂性,特别是O(n)符号.
但我们还要研究更多,包括:
听到这些话题很有意思,但我不确定深入研究它们是多么必要.
我知道这个问题是主观的,答案会因您的日常工作和个人经历而有很大不同.但是我想知道可能比我记忆中更有趣的主题.
给定大小为N位和K个散列函数的布隆过滤器,其中设置了滤波器的M位(其中M <= N).
是否可以近似插入布隆过滤器的元素数量?
简单的例子
我一直在考虑以下示例,假设一个100位的BF和5个散列函数,其中设置了10位...
最佳情况:假设散列函数非常完美并且为某些X个值唯一映射一个位,那么已经设置了10位,我们可以说在BF中只插入了2个元素
最糟糕的情况:假设哈希函数是坏的并且一致地映射到相同的位(但彼此之间是唯一的),那么我们可以说已经将10个元素插入到BF中
范围似乎是[2,10],其中这个范围内的大概可能是由滤波器的假阳性概率决定的 - 我在这一点上陷入困境.
这只是关于进行大量计算的一系列问题.要么我在网上找不到答案,要么我还需要澄清.
传递(float, float, float)方法参数和(float[])数组有三个术语的速度是否更快?
方法返回float[]vs设置float[]作为参数传递给方法的内容是否更快?
用实际计算替换方法调用是否更快,而不是A=sum(B,C)更慢A=B+C?假设sum(x,y){return x+y}
编辑:
谢谢你的所有答案,伙计们!在我关闭这个帖子之前,如果有人知道,我还有一个更快的问题:
基于内核的分类器通常需要O(n ^ 3)个训练时间,因为两个实例之间的内积计算.为了加速训练,可以预先计算内积值并将其存储在二维阵列中.但是当没有.实例非常大,超过100,000,没有足够的内存来执行此操作.
那么对此更好的想法?
我正在寻找一个类或函数,或者只是一段代码,这些代码可以在PHP中执行主成分分析(PCA)。我对减少某些数据的维数很感兴趣。
我知道PHP不是用于大量计算的正确语言,因此请不要建议使用另一种语言!
好奇,如果有人使用它.我在一个时间序列上做了一个简单的EMA操作.但是不能很好地和解.
我读到更新常量的值= 2 /(N + 1).我定义了x = 1:20,并且做了EMA(x,5).然后我使用递归计算进行了EMA计算.这两个结果并没有真正对齐
该函数返回
EMA(x,5)
[1] NA NA NA NA 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Run Code Online (Sandbox Code Playgroud)
我的小东西给了我,
EMA
[1] 1.000000 1.333333 1.888889 2.592593 3.395062 4.263374 5.175583 6.117055 7.078037 8.052025 9.034683 10.023122 11.015415 12.010276 13.006851 14.004567
[17] 15.003045 16.002030 17.001353 18.000902
Run Code Online (Sandbox Code Playgroud) 这是我所说的基本例子:
从0到10000000计数
import time
k = 0
beginning = time.time()
while k < 10000000:
k = k+1
elapsed = round(time.time()-beginning, 5)
print (elapsed)
Run Code Online (Sandbox Code Playgroud)
现在有了一种计算的"状态"(每1秒显示一次百分比):
import time
k = 0
beginning = time.time()
interval = time.time()
while k < 10000000:
if time.time() - interval > 1:
print (round((k/100000), 5))
interval = time.time()
k = k+1
elapsed = round(time.time()-beginning, 5)
print (elapsed)
Run Code Online (Sandbox Code Playgroud)
第一个示例需要3.67188秒,第二个示例需要12.62541秒.我想这是因为脚本必须不断检查是否已经过了1秒.有没有办法解决这个问题?我发现了一些关于线程和多进程的东西,但我无法弄清楚如何实现它.谢谢
我会尽我所能地回答我的问题(不容易......对我来说也不是那么清楚).例如,假设您有一组带有多个操作数的IF ... THEN指令
IF ((a==0) && (b==1) && (c==1)) THEN x=1
ELSE IF ((a==0) && (b==0) && (c==1)) THEN x=2-
Run Code Online (Sandbox Code Playgroud)
等等
假设我可以用一个单独的数学函数替换所有这些IF
x = a * n1 + b * n2 + c * n3(这只是为了给你一个想法,实际上它更复杂,但IF和操作数还有更多)
该功能来自先前训练的人工神经网络.
我的直觉是,当涉及到执行时,函数应该比IF更少的时间,但它只是一种直觉来自我在装配中的旧背景,他们告诉我们条件指令比花费更多的时间算术的.
你能证实这一点吗?甚至可以给我一些链接,我可以找到解释?
提前谢谢你们!
computation ×10
algorithm ×2
c++ ×2
performance ×2
python ×2
android ×1
arrays ×1
assembly ×1
bloom-filter ×1
c ×1
haskell ×1
java ×1
largenumber ×1
pca ×1
php ×1
probability ×1
r ×1
theory ×1