需要帮助优化 Python 中的干蚀刻模型以提高性能

Question

我正在使用来自 Github 存储库的干蚀刻模拟模型，该模型最初是用 Python 3.6（版本 0）开发的。我修改了代码，使其在 Python 3.11 中运行，但我遇到了性能问题。目前，代码处理单个图像大约需要 22-24 秒，这对于我的机器来说似乎相当慢。我想知道这个处理时间对于这个模型来说是否是典型的，或者是否有任何优化技术可以应用来提高性能。

我的机器规格是：

• Intel(R) Core(TM) i5-4440 CPU @ 3.10GHz
• 8GB 内存
• Windows 10

对于这种模拟，我遇到的处理时间是否正常，或者应该更快？

是否有任何特定的优化或硬件要求可以帮助提高性能？

我尝试修改代码以在Python 3.11中运行，因为它最初是为Python 3.6设计的。由于我使用的是更新版本的 Python，因此我预计代码将以类似或略有改进的性能运行。然而，处理时间仍然很长，我不确定这是否是模型的预期行为，或者是否存在我尚未考虑的潜在优化。

我还想知道是否有任何特定的机器规格或软件依赖性可能会影响速度。任何有关如何提高处理速度的见解或建议将不胜感激。

Answer 1

我会尝试总结您帖子下的评论并添加我的两分钱：

您的问题太广泛，无法简单回答：

• 处理时间“正常”吗？也许，这是一个非常具体的用例
• 有什么具体的优化吗？也许吧，但不要指望这里的人会浏览整个 Github 存储库来给你答案
• 有什么具体的硬件要求吗？并非如此，但您的配置不适合繁重的科学计算
• 使用 Python 3.11 而不是 3.6 会提高性能吗？可能不会或很大程度上不会
• 如何提高处理速度？最有可能的是尽可能依赖内置库进行科学计算（例如 Numpy 运算）

从那里你有两个选择：IMO：

• 深入研究代码并分析瓶颈，即花费最多时间的部分。您可以使用探查器来执行此操作。然后尝试一些常见的优化技巧。如果您仍有具体问题，请返回此处。
• 什么也不做。据我了解，您不是计算机科学专业的。您真的需要花时间尝试优化这段代码吗？例如，您不能在夜间或午休期间运行这些模拟吗？