Julia Language
Stabilność typu

algorithm C Language C++ Git MATLAB Language matplotlib Python Language R Language Regular Expressions tensorflow
Szukaj…


Wprowadzenie

Niestabilność typu występuje, gdy typ zmiennej może się zmienić w czasie wykonywania, a zatem nie można go wywnioskować w czasie kompilacji. Niestabilność typu często powoduje problemy z wydajnością, dlatego ważna jest możliwość pisania i identyfikacji kodu stabilnego dla typu.

Napisz kod stabilny dla typu

function sumofsins1(n::Integer)  
    r = 0  
    for i in 1:n  
        r += sin(3.4)  
    end  
    return r  
end  

function sumofsins2(n::Integer)  
    r = 0.0  
    for i in 1:n  
        r += sin(3.4)  
    end  
    return r  
end

Synchronizacja powyższych dwóch funkcji wykazuje duże różnice pod względem przydziału czasu i pamięci. 

julia> @time [sumofsins1(100_000) for i in 1:100];
0.638923 seconds (30.12 M allocations: 463.094 MB, 10.22% gc time)

julia> @time [sumofsins2(100_000) for i in 1:100];
0.163931 seconds (13.60 k allocations: 611.350 KB)

Wynika to z niestabilnego typu kodu w sumofsins1 gdzie typ r musi być sprawdzany dla każdej iteracji.



Modified text is an extract of the original Stack Overflow Documentation
Licencjonowany na podstawie CC BY-SA 3.0
Nie związany z Stack Overflow