非常簡單的python函數花費很長時間在函數中而不是子函數

Question

我花了很多時間試圖弄清楚這裏發生了什麼。

下面代碼中的函數'grad_logp'在我的程序中多次調用，cProfile和runnakerun可視化結果顯示函數grad_logp在本地花費了大約.00004s的每個調用，而不是它調用的任何函數。函數'n'在每次調用時在本地花費大約.00006s。這兩次共同組成了我關心的節目時間的大約30％。看起來好像這不是函數開銷，因爲其他python函數在本地花費的時間少得多，合併'grad_logp'和'n'不會使我的程序更快，但是這兩個函數的操作似乎相當平凡。有沒有人對可能發生的事情有任何建議？

我做了一些明顯效率低下的事嗎？我誤解了cProfile的工作原理嗎？

def grad_logp(self, variable, calculation_set): 

    p = params(self.p,self.parents) 

    return self.n(variable, self.p) 

def n (self, variable, p): 
    gradient = self.gg(variable, p) 

    return np.reshape(gradient, np.shape(variable.value)) 
def gg(self, variable, p): 
    if variable is self: 

     gradient = self._grad_logps['x'](x = self.value, **p) 
    else: 
     gradient = __builtin__.sum([self._pgradient(variable, parameter, value, p) for parameter, value in self.parents.iteritems()]) 

    return gradient 

Answer 1

用C語言編寫的函數沒有通過性能分析進行檢測;因此，例如，在sum（您正在拼寫__builtin__.sum）中花費的任何時間都將由其調用者收費。不知道np.reshape是什麼，但是如果它是numpy.reshape，那也是一樣。

Answer 2

你的「許多小時」可能會更好地使你的代碼變得像一段曲折的小段落的迷宮，並且記錄它。

第一種方法的arg calculation_set未被使用。

然後它確實p = params(self.p,self.parents)但p沒有使用。

variable is self ???

__builtin__.sum ???

得到它首先可以理解，其次是正確的。然後，只有這樣，擔心速度。