我的代碼應該模擬 alpha 衰減的平均能量，它可以作業，但速度很慢。
import numpy as np
from numpy import sin, cos, arccos, pi, arange, fromiter
import matplotlib.pyplot as plt
from random import choices
r_cell, d, r, R, N = 5.5, 15.8, 7.9, 20, arange(1,10000, 50)
def total_decay(N):
theta = 2*pi*np.random.rand(2,N)
phi = arccos(2*np.random.rand(2,N)-1)
x = fromiter((r*sin(phi[0][i])*cos(theta[0][i]) for i in range(N)),float, count=-1)
dx = fromiter((x[i] R*sin(phi[1][i])*cos(theta[1][i]) for i in range(N)), float,count=-1)
y = fromiter((r*sin(phi[0][i])*sin(theta[0][i]) for i in range(N)),float, count=-1)
dy = fromiter((y[i] R*sin(phi[1][i])*sin(theta[1][i]) for i in range(N)),float,count=-1)
z = fromiter((r*cos(phi[0][i]) for i in range(N)),float, count=-1)
dz = fromiter((z[i] R*cos(phi[1][i]) for i in range(N)),float, count=-1)
return x, y, z, dx, dy, dz
def inter(x,y,z,dx,dy,dz, N):
intersections = 0
for i in range(N): #Checks to see if a line between two points intersects with the target cell
a = (dx[i] - x[i])*(dx[i] - x[i]) (dy[i] - y[i])*(dy[i] - y[i]) (dz[i] - z[i])*(dz[i] - z[i])
b = 2*((dx[i] - x[i])*(x[i]-d) (dy[i] - y[i])*(y[i]) (dz[i] - z[i])*(z[i]))
c = d*d x[i]*x[i] y[i]*y[i] z[i]*z[i] - 2*(d*x[i]) - r_cell*r_cell
if b*b - 4*a*c >= 0:
intersections = 1
return intersections
def hits(N):
I = []
for i in range(len(N)):
decay = total_decay(N[i])
I.append(inter(decay[0],decay[1],decay[2],decay[3],decay[4],decay[5],N[i]))
return I
def AE(I,N):
p1, p2 = 52.4 / (52.4 18.9), 18.9 / (52.4 18.9)
E = [choices([5829.6, 5793.1], cum_weights=(p1,p2),k=1)[0] for _ in range(I)]
return sum(E)/N
def list_AE(I,N):
E = [AE(I[i],N[i]) for i in range(len(N))]
return E
plt.plot(N, list_AE(hits(N),N))
plt.title('Average energy per dose with respect to number of decays')
plt.xlabel('Number of decays [N]')
plt.ylabel('Average energy [keV]')
plt.show()
任何有經驗的人都可以指出瓶頸發生在哪里，解釋它為什么發生以及如何優化它？提前致謝。
uj5u.com熱心網友回復：
要找出大部分時間花在您的代碼中，請使用分析器檢查它。通過像這樣包裝你的主要代碼：
import cProfile
import pstats
profiler = cProfile.Profile()
profiler.enable()
result = list_AE(hits(N), N)
profiler.disable()
stats = pstats.Stats(profiler).sort_stats('tottime')
stats.print_stats()
您將獲得以下概述（縮寫）：
6467670 function calls in 19.982 seconds
Ordered by: internal time
ncalls tottime percall cumtime percall filename:lineno(function)
200 4.766 0.024 4.766 0.024 ./alphadecay.py:24(inter)
995400 2.980 0.000 2.980 0.000 ./alphadecay.py:17(<genexpr>)
995400 2.925 0.000 2.925 0.000 ./alphadecay.py:15(<genexpr>)
995400 2.690 0.000 2.690 0.000 ./alphadecay.py:16(<genexpr>)
995400 2.683 0.000 2.683 0.000 ./alphadecay.py:14(<genexpr>)
995400 1.674 0.000 1.674 0.000 ./alphadecay.py:19(<genexpr>)
995400 1.404 0.000 1.404 0.000 ./alphadecay.py:18(<genexpr>)
1200 0.550 0.000 14.907 0.012 {built-in method numpy.fromiter}
大部分時間都花在inter函式上，因為它運行了一個巨大的回圈N。為了改善這一點，您可以使用multiprocessing.Pool.
另一種加速計算的方法是使用 NumPy 向量化。也就是說，避免N在total_decay()函式內部迭代：
def total_decay(N):
theta = 2 * pi * np.random.rand(2, N)
phi = arccos(2 * np.random.rand(2, N) - 1)
x = r * sin(phi[0]) * cos(theta[0])
y = r * sin(phi[0]) * sin(theta[0])
z = r * cos(phi[0])
dx = x R * sin(phi[1]) * cos(theta[1])
dy = y R * sin(phi[1]) * sin(theta[1])
dz = z R * cos(phi[1])
return x, y, z, dx, dy, dz
我對代碼進行了一些整理，使其更具可讀性。在這一點上，我強烈建議您遵循 Python 格式約定并使用描述性變數名稱使您的代碼更易于理解。
uj5u.com熱心網友回復：
我不會告訴你瓶頸在哪里，但我可以告訴你如何在復雜的程式中找到瓶頸。關鍵字是分析。分析器是一個應用程式，它將與您的代碼一起運行并測量每個陳述句的執行時間。在線搜索 python 分析器。
窮人的版本將除錯和猜測陳述句的執行時間或使用列印陳述句或用于測量執行時間的庫。不過，使用分析器是一項并不難學習的重要技能。
uj5u.com熱心網友回復：
您應該盡可能避免附加（您在命中中使用它）并使用串列推導式或已經構建的串列代替（如您在 list_AE 中使用的）。我建議您構建一個串列（具有所需的長度），然后只需按其索引填充每個單元格。
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/390700.html