Contenu du cours
Techniques d'Optimisation en Python
Techniques d'Optimisation en Python
Défi : Mise en Œuvre du Benchmarking
Swipe to start coding
Pratiquons le benchmarking en comparant deux approches pour élever au carré les éléments d'un tableau NumPy. La première approche, la plus lente, utilise une boucle for
pour élever chaque élément au carré individuellement, tandis que la deuxième approche utilise la vectorisation. Ne vous inquiétez pas si ce concept vous est inconnu—nous en discuterons plus tard dans le cours.
Votre tâche pour l'instant est la suivante :
- Définissez deux fonctions :
- La première, nommée
square_array_slow
, doit prendre un seul paramètrearray
; - La deuxième, nommée
square_array_fast
, doit également prendre le même paramètre.
- La première, nommée
- Décorez les deux fonctions avec le
timeit_decorator
et définisseznumber
à100
.
Solution
Merci pour vos commentaires !
Défi : Mise en Œuvre du Benchmarking
Swipe to start coding
Pratiquons le benchmarking en comparant deux approches pour élever au carré les éléments d'un tableau NumPy. La première approche, la plus lente, utilise une boucle for
pour élever chaque élément au carré individuellement, tandis que la deuxième approche utilise la vectorisation. Ne vous inquiétez pas si ce concept vous est inconnu—nous en discuterons plus tard dans le cours.
Votre tâche pour l'instant est la suivante :
- Définissez deux fonctions :
- La première, nommée
square_array_slow
, doit prendre un seul paramètrearray
; - La deuxième, nommée
square_array_fast
, doit également prendre le même paramètre.
- La première, nommée
- Décorez les deux fonctions avec le
timeit_decorator
et définisseznumber
à100
.
Solution
Merci pour vos commentaires !