पायथन वास्तव में कितना धीमा है (भाग II)?


52

यह एक अनुवर्ती है कि पायथन वास्तव में कितना धीमा है? (या आपकी भाषा कितनी तेज़ है?)

यह पता चला है कि मेरे अंतिम प्रश्न के लिए x100 स्पीडअप प्राप्त करना थोड़ा आसान था। उन लोगों के लिए जिन्होंने चुनौती का आनंद लिया है, लेकिन कुछ कठिन चाहते हैं जहां वे वास्तव में अपने निम्न स्तर के कौशल का उपयोग कर सकें, यहां भाग II है। मेरे कंप्यूटर पर परीक्षण के अनुसार निम्नलिखित अजगर कोड के लिए x100 स्पीडअप प्राप्त करने की चुनौती है।

इसे और अधिक कठिन बनाने के लिए मैं इस समय पेपी का उपयोग कर रहा हूं। मेरे लिए वर्तमान समय pypy 2.2.1 का उपयोग करके 1 मिनट और 7 सेकंड है

नियम

  1. कोड जमा करने वाला पहला व्यक्ति जो मैं चला सकता हूं, सही है और मेरी मशीन पर x100 गुना तेजी से 50 अंकों का इनाम दिया जाएगा।
  2. मैं एक सप्ताह के बाद सबसे तेज कोड में जीत हासिल करूंगा।
import itertools 
import operator 
import random

n = 8 
m  = 8 
iters = 1000  

# creates an array of 0s with length m
# [0, 0, 0, 0, 0, 0, 0, 0]
leadingzerocounts = [0]*m

# itertools.product creates an array of all possible combinations of the 
# args passed to it.
#
# Ex:
#   itertools.product("ABCD", "xy") --> Ax Ay Bx By Cx Cy Dx Dy
#   itertools.product("AB", repeat=5) --> [
#    ('A', 'A', 'A', 'A', 'A'),
#    ('A', 'A', 'A', 'A', 'B'),
#    ('A', 'A', 'A', 'B', 'A'),
#    ('A', 'A', 'A', 'B', 'B'),
#    etc.
#   ]
for S in itertools.product([-1,1], repeat = n+m-1):
    for i in xrange(iters):
        F = [random.choice([-1,0,0,1]) for j in xrange(n)]

        # if the array is made up of only zeros keep recreating it until
        # there is at least one nonzero value.
        while not any(F):
            F = [random.choice([-1,0,0,1]) for j in xrange(n)]

        j = 0
        while (j < m and sum(map(operator.mul, F, S[j:j+n])) == 0):
            leadingzerocounts[j] +=1
            j += 1
print leadingzerocounts

आउटपुट के समान होना चाहिए

[6335185, 2526840, 1041967, 439735, 193391, 87083, 40635, 19694]

आपको अपने कोड में एक यादृच्छिक बीज का उपयोग करना होगा और कोई भी यादृच्छिक संख्या जनरेटर जो उत्तर के करीब देने के लिए पर्याप्त है, स्वीकार किया जाएगा।

माई मशीन द टाइमिंग मेरी मशीन पर चलाई जाएगी। यह एक मानक ubuntu एक AMD FX-8350 आठ-कोर प्रोसेसर पर स्थापित है। इसका मतलब यह भी है कि मुझे आपका कोड चलाने में सक्षम होना चाहिए।

कोड की व्याख्या

यह कोड लंबाई ए + एम -1 के सभी सरणियों पर निर्भर करता है जो -1 और 1 एस के लिए बने होते हैं। प्रत्येक सरणी के लिए यह प्रत्येक मान लेने की 1/4, 1/2, / 14 की संभावना के साथ -1,0 या 1 से बना लंबाई के 1000 गैर-शून्य यादृच्छिक सरणियों एफ का नमूना लेता है। यह तब तक F और N की प्रत्येक विंडो के बीच आंतरिक उत्पादों की गणना करता है, जब तक कि यह एक गैर-शून्य आंतरिक उत्पाद न मिल जाए। यह leadingzerocountsप्रत्येक स्थिति में 1 जोड़ता है इसमें एक शून्य आंतरिक उत्पाद पाया गया।

स्थिति

  • पर्ल । 2.7 बार @tobyink द्वारा मंदी। (Ppyy की तुलना में cpython नहीं है।)

  • जे । 39 बार स्पीडअप @Eelvex द्वारा।

  • सी । 59 बार @ स्पीड से गति।
  • जूलिया । 197 बार तेजी से @ एक-अधिक-मिनट द्वारा स्टार्ट अप समय शामिल नहीं है। स्टार्ट अप टाइम सहित 8.5 गुना गति है (यह 8 की तुलना में इस मामले में 4 प्रोसेसर का उपयोग करके तेज है)।
  • फोरट्रान । 438 गुना @ सेमी-एक्सट्रिंसिक द्वारा गति।
  • Rpython । 258 मिनट @primo द्वारा गति।
  • सी ++ । @Ilmale द्वारा 508 गुना गति।

(मैंने नए सुधारों को समय पर रोक दिया क्योंकि वे बहुत तेज़ हैं और इटर्स बहुत छोटा था।)


यह बताया गया था कि एक सेकंड से नीचे का समय अविश्वसनीय है और कुछ भाषाओं में स्टार्ट-अप लागत भी है। तर्क यह है कि यदि आपको यह शामिल करना है कि आपको C / C ++ इत्यादि का संकलन समय भी शामिल करना चाहिए, तो सबसे तेज़ कोड के लिए टाइमिंग्स हैं जिनकी संख्या 100,000 तक बढ़ गई है।

  • जूलिया । 42 सेकंड @ एक मिनट से अधिक।
  • सी ++ । 14 सेकंड @GuySirton द्वारा।
  • फोरट्रान । 14 से @ अर्ध-बहिष्कृत।
  • सी ++ । 12s @ilmale द्वारा।
  • Rpython । 18 सेकंड @primo द्वारा।
  • सी ++ । 5s @Stefan द्वारा।

विजेता है .. स्टीफन!

अनुवर्ती चुनौती पोस्ट की गई। तुम कितनी ऊंचाई तक जाने में सक्षम हो? (एक कोडिंग + एल्गोरिदम चुनौती) । यह एक कठिन है।



6
" कोड जमा करने वाला पहला व्यक्ति जो मैं चला सकता हूं, सही है और मेरी मशीन पर x100 गुना तेज है और तुरंत जीतता है और प्रतियोगिता बंद हो जाती है। " प्रतियोगिता को बंद करने का उद्देश्य क्या है? अधिकांश अन्य लोगों की तरह एक समय सीमा का उपयोग क्यों नहीं किया जाता है, इसलिए हम इसे अन्य भाषाओं में कम कर सकते हैं?
ग्रूव्सएनएल

5
@Einacio यह एक अच्छा विचार है। मैंने नियम बदले जो मुझे आशा है कि किसी को बुरा नहीं लगेगा।

1
@ लेम्बिक मैंने अपने फोरट्रान संस्करण में सुधार किया है, जिससे यह मेरी मशीन पर फिर से तेजी से 2x हो गया है। क्या आप इसे फिर से कर सकते हैं? :)
अर्ध-बाहरी

1
@ अर्ध-एक्सट्रिंसिक डोन।

जवाबों:


12

सी ++ बिट जादू

~ 16ms मल्टीथ्रेडेड, 56ms सिंगलथ्रूड। ~ 4000 स्पीडअप।

(स्पीडअप मेरे i7-2820QM पर मल्टीथ्रेड कोड पर आधारित है और प्रश्न में उल्लिखित 1 मिनट 9 सेकंड है। चूंकि ओपी के सिस्टम में मेरे सीपीयू की तुलना में खराब एकल थ्रेडेड प्रदर्शन है, लेकिन बेहतर बहु ​​थ्रेडेड परफ़ॉर्मेंस से मुझे यह संख्या सटीक होने की उम्मीद है)

थ्रेड्स के फैलाव के कारण मल्टीथ्रेडेड भाग काफी अक्षम है। मैं शायद अपने कस्टम जॉब लाइब्रेरी का लाभ उठाकर बेहतर काम कर सकता था, लेकिन एक यूनिक्स सिस्टम के तहत बग्स हैं .. एक स्पष्टीकरण के लिए और लगभग समान कोड के बिना https://codegolf.stackexchange.com/a/26485/20965 देखें

संपादित करें

मैंने प्रत्येक थ्रेड दिया है जो स्वयं RNG है और बिट की लंबाई को घटाकर 32 कर दिया है जिससे रनिंग कुछ ms कम हो गया है।

#include <iostream>
#include <bitset>
#include <random>
#include <chrono>
#include <stdint.h>
#include <cassert>
#include <array>
#include <tuple>
#include <memory>
#include <thread>
#include <future>
#include <string.h>


#ifdef _MSC_VER
uint32_t popcnt( uint32_t x ){ return _mm_popcnt_u32(x); }
#else
uint32_t popcnt( uint32_t x ){ return __builtin_popcount(x); }
#endif



void convolve()
{
    static const unsigned threadCount = 32;
    static const unsigned n = 8;
    static const unsigned m = 8;
    static const unsigned totalIters = 1000;
    static_assert( n <= 16, "packing of F fails when n > 16.");
    static uint32_t fmask = (1 << n) -1; fmask |= fmask << 16;

    std::array< uint32_t, m * threadCount > out;
    std::vector< std::future<void> > threads;

    for( int threadId = 0; threadId < threadCount; threadId++)
    {
        threads.emplace_back( std::async( [&, threadId]
        {
            std::random_device rd;
            std::knuth_b gen(rd());
            uint32_t nextRandomNumber = gen();

            const unsigned iters = totalIters / threadCount;

            std::array< uint32_t, m > leadingZeros;
            for( auto& x : leadingZeros )
                x = 0;

            for( unsigned i = 0; i < iters; i++ )
            {
                // generate random bit mess
                uint32_t F;
                do {
                    // this funky looking construction shortens the dependancy chain of F
                    F = nextRandomNumber & fmask;
                    nextRandomNumber = gen();
                } while ( 0 == ((F % (1 << n)) ^ (F >> 16 )) );

                // Assume F is an array with interleaved elements such that F[0] || F[16] is one element
                // here MSB(F) & ~LSB(F) returns 1 for all elements that are positive
                // and  ~MSB(F) & LSB(F) returns 1 for all elements that are negative
                // this results in the distribution ( -1, 0, 0, 1 )
                // to ease calculations we generate r = LSB(F) and l = MSB(F)

                uint32_t r = F % ( 1 << n );
                // modulo is required because the behaviour of the leftmost bit is implementation defined
                uint32_t l = ( F >> 16 ) % ( 1 << n );

                uint32_t posBits = l & ~r;
                uint32_t negBits = ~l & r;
                assert( (posBits & negBits) == 0 );

                uint32_t mask = posBits | negBits;
                uint32_t totalBits = popcnt( mask );
                // if the amount of -1 and +1's is uneven, sum(S*F) cannot possibly evaluate to 0
                if ( totalBits & 1 )
                    continue;

                uint32_t adjF = posBits & ~negBits;
                uint32_t desiredBits = totalBits / 2;

                uint32_t S = (1 << (n + m -1));
                // generate all possible N+1 bit strings
                // 1 = +1
                // 0 = -1
                while ( S-- )
                {
                    for( int shift = 0; shift < m; shift++ )
                    {
                        uint32_t s = (S >> shift) % ( 1 << n );
                        auto firstBits = (s & mask) ^ adjF;

                        if ( desiredBits == popcnt( firstBits ) )
                        {
                            leadingZeros[shift] = leadingZeros[shift] + 1;
                        }
                        else
                        {
                            break;
                        }
                    }
                }
            }

            memcpy( out.data() + (threadId * m), leadingZeros.data(), sizeof( leadingZeros[0] ) * m );
        } ));

    };

    std::array< uint32_t, m > leadingZeros;
    for( auto& x : leadingZeros )
        x = 0;

    for( auto& thread : threads )
    {
        thread.wait();
    }

    for( int i = 0; i < (threadCount * m); i++ )
    {
        leadingZeros[i % m] += out[i];
    }


    for( auto x : leadingZeros )
        std::cout << x << ", ";

    std::cout << std::endl;
}

int main()
{
    typedef std::chrono::high_resolution_clock clock;
    int rounds = 100;

    // do some rounds to get the cpu up to speed..
    for( int i = 0; i < rounds / 10; i++ )
    {
        convolve();
    }


    auto start = clock::now();

    for( int i = 0; i < rounds; i++ )
        convolve();

    auto end = clock::now();
    double seconds = std::chrono::duration_cast< std::chrono::microseconds >( end - start ).count() / 1000000.0;

    std::cout << seconds/rounds*1000 << " msec/round" << std::endl;

    return 0;
}

नमूना उत्पादन:

   6317312, 2515072, 1034368, 434048, 190144, 85200, 39804, 19168,
   6226944, 2481408, 1031168, 438080, 192896, 86816, 40484, 19490,
   6321152, 2524672, 1045376, 442880, 195680, 88464, 41656, 20212,
   6330624, 2517504, 1031104, 430208, 187696, 83976, 38976, 18708,
   6304768, 2510336, 1030720, 433056, 190880, 86824, 40940, 19840,
   6272512, 2494720, 1028160, 432352, 189168, 84752, 39540, 19052,
   6233600, 2507520, 1046912, 447008, 198224, 89984, 42092, 20292,

आउटपुट सही नहीं है मुझे लगता है, शायद कोई बग है? प्रश्न में क्या है इसकी तुलना करें। विशेष रूप से अंतिम कॉलम 19180 के करीब होना चाहिए।

@ लेम्बिक मैं देख सकता हूँ कि आपका क्या मतलब है। मुझे लगता है कि यादृच्छिक आउटपुट पर्याप्त यादृच्छिक नहीं है जो कभी-कभी फंकी आउटपुट बनाता है। C ++ 11 यादृच्छिक जनरेटर के साथ यह ठीक काम करता है। मैं आज कोड बाद में ठीक करूंगा।
स्टीफन

मुझे Stefan.cpp मिलता है: 104: 101: त्रुटि: इस दायरे में 'मेम्पी' घोषित नहीं किया गया था। );

मुझे लगता है कि मुझे string.h को शामिल करने की आवश्यकता है। दुबारा प्रयास करें।
स्टीफन

आप इसे g ++ -O3 -std = c ++ 0x -pthread -Wl के साथ संकलित करते हैं, - No-as-need Stefan.cpp -o Stefan

16

C ++ x150 x450 x530

सरणी के बजाय मैंने बिट्स (और काले जादू) का उपयोग किया।
तेजी से यादृच्छिक कार्य के लिए धन्यवाद @ace।

यह कैसे काम करता है: पूर्णांक के पहले 15 बिट्स sसरणी का प्रतिनिधित्व करते हैं S[15]; शून्य -1 का प्रतिनिधित्व करते हैं, लोग +1 का प्रतिनिधित्व करते हैं। सरणी Fएक समान तरीके से निर्मित होती है। लेकिन प्रत्येक प्रतीक के लिए दो बिट के साथ।

  • 00 का प्रतिनिधित्व -1
  • 01 और 10 0 का प्रतिनिधित्व करते हैं
  • ११ प्रतिनिधित्व १

कारण Sऔर Fएक अलग प्रतिनिधित्व है मुझे Sअपने आप के साथ तुलनीय होने के लिए हस्तक्षेप करना होगा F

  • 0 (-1) 00 बन गया (-1 के प्रतिनिधित्व में F)
  • 1 (+1) 11 बन गया (प्रतिनिधित्व में +1 F)

अब हम केवल आंतरिक उत्पाद की गणना करने के लिए Carnot का उपयोग कर सकते हैं। याद रखें कि एक चर केवल मान 00 या 11 मान सकता है

०। 00 = 11 (-1 * -1 = +1)
0। 01 = 10 (-1 * 0 = 0)
0। 10 = 01 (-1 * 0 = 0)
0। 11 = 00 (-1 * +1 = -1)
1। 00 = 00 (+1 * -1 = -1)
1। 10 = 10 (+1 * 0 = 0)
1। 01 = 01 (+1 * 0 = 0)
1। 11 = 11 (+1 * +1 = +1)

लगता है मेरे लिए नहीं एक xor है। :)

योग केवल बदलाव और मुखौटा का खेल है, वास्तव में कुछ भी जटिल नहीं है।

#include <array>
#include <ctime>

// From standford bithacks
// http://graphics.stanford.edu/~seander/bithacks.html
inline int32_t interleaveBit(int32_t x)
{
   static const uint32_t B[] = { 0x55555555, 0x33333333, 0x0F0F0F0F, 0x00FF00FF };
   x = (x | ( x << 8)) & B[3];
   x = (x | ( x << 4)) & B[2];
   x = (x | ( x << 2)) & B[1];
   x = (x | ( x << 1)) & B[0];
   return x | (x << 1);
}

inline int32_t sumOnes(int32_t v)
{
   static int b[] = { 1, 0, 0, 1};
   int s = 0;
   for( int i = 0; i < 8; ++i)
   {
      const int a = 3&(v>>(i*2));
      s += b[a];
   }
   return s;
}

inline int32_t sumArray(int32_t v)
{
   static int b[] = { -1, 0, 0, 1};
   int s = 0;
   for( int i = 0; i < 8; ++i)
   {
      const int a = 3&(v>>(i*2));
      s += b[a];
   }
   return s;
}

uint32_t x, y = 24252, z=57768, w=1564; //PRNG seeds

int32_t myRand()
{
   uint32_t t;
   t = x ^ (x<<1);
   x = y;
   y = z;
   z = w;
   w = w ^ ( w >> 19) ^ t ^ (t >> 8);
   return w;
}

int main()
{
   std::array<int, 8> leadingZero{0};
   x = static_cast<int32_t>(time(nullptr)); // seed PRNG
   const int maxS = 1 << 15;
   for(int s = 0; s < maxS; ++s)
   {
      const int32_t x = interleaveBit(s);
      for(int i = 0; i < 1000; ++i)
      {
         int32_t random;
         do
         {
            random = 0xFFFF & myRand();
         }while(sumOnes(random) == 0);
         int j = 7;
         while( j >= 0 )
         {
            const int32_t h = (x >> (j*2));
            const int32_t l = 0xFFFF & (~(random ^ h)); // inner product
            if(sumArray(l) == 0)
            {
               leadingZero[j]++;
            } else
            {
               break;
            }
            j--;
         }

      }
   }
   for(int i = 7; i >= 0; --i)
   {
      printf("%d ", leadingZero[i]);
   }
   printf("\n");
   return 0;
}

यहाँ एक नमूना उत्पादन:

6332350 2525218 1041716 438741 192917 87159 41023 19908 

real 0m0.372s
user 0m0.371s
sys  0m0.001s

कार्यक्रम के साथ संकलित किया गया है:

gcc -std=c++11 -O3 -msse4.2 -Wall -lstdc++ 26371.cpp -o fastPy

Fedora 20 पर gcc 4.8.2 के साथ Cpu एक i7 8core है।

संभवतः मैं कुछ ms टर्निंग कंपाइलर मापदंडों को प्राप्त कर सकता हूँ।

जबकि यह मेरी मशीन पर ओपी समाधान समय है:

time pypy 26371.py
[6330609, 2523914, 1040885, 439303, 192708, 86987, 40710, 19498]

real 0m53.061s
user 0m53.016s
sys  0m0.022s

संपादित करें:

बस ओप्पो को जोड़ना और मेरे लिए एक x3 लाभ के क्रम को बदलना, जिससे ओपी कोड के खिलाफ एक x450 प्रदर्शन में सुधार हुआ। : डी इस मामले में leadingZeroसरणी परमाणु होना चाहिए। यादृच्छिक वैश्विक ... यादृच्छिक हैं, वे अधिक यादृच्छिक होंगे।

 #pragma omp parallel for
 for(int i = 0; i < 1000; ++i)
 {
    int32_t random;
    do
    {
       random = 0xFFFF & myRand();
    }while(sumOnes(random) == 0);
    for(int s = 0; s < maxS; ++s)
    {
       const int32_t x = interleaveBit(s);
       int j = 7;
       while( j >= 0 )
       {
          const int32_t h = (x >> (j*2));
          const int32_t l = 0xFFFF & (~(random ^ h)); // inner product
          if( sumArray(l) == 0 )
          {
             leadingZero[j]++;
          } else
          {
             break;
          }
          j--;
       }
    }
 }

-fopenmpसंकलक ध्वज में जोड़ने की आवश्यकता है


संपादित करें: 2 उपयोगकर्ता के सुझाव के अनुसार user71404 द्वारा मैंने योग और सारांश कार्यों को बदल दिया है और अब यह तेजी से uber है।

real  0m0.101s
user  0m0.101s
sys   0m0.000s

Openmp धीमा होने के कारण, एटमिक्स बहुत अधिक उपरि जोड़ते हैं।

real  0m0.253s
user  0m1.870s
sys   0m0.001s

परमाणु के बिना भी तेज है, लेकिन मुझे गलत परिणाम मिलता है।

2137992 1147218 619297 321243 155815 70946 32919 15579

real   0m0.048s
user   0m0.338s
sys    0m0.001s

समझने के लिए sumArray पर विचार करें कि 16 बिट प्रतिनिधित्व और 8 संख्याओं की सरणी है।
00 के पास 1 नहीं है और -1
01 का प्रतिनिधित्व करते हैं और 1 का प्रतिनिधित्व करते हैं और 0
11 का दो दो 1 है और 1 का प्रतिनिधित्व करते हैं
ताकि बिल्ट-इन की संख्या 1 से सेट हो जाए [ http://en.wikipedia.org/wiki/ हैमिंग_वेट] और प्रत्येक समूह को हम हटाते हैं 1. कूल।

sumOnes सिर्फ काला जादू है।

यहाँ नवीनतम संकलन झंडे और कोड।

gcc -std = c ++ 11 -mfpmath = sse -O3 -flto -march = देशी -फुनरोल-लूप्स -Wall -lstdc ++

#include <cstdint>
#include <cstdio>
#include <ctime>

inline int32_t interleaveBit(int32_t x)
{
   static const uint32_t B[] = { 0x55555555, 0x33333333, 0x0F0F0F0F, 0x00FF00FF };
   x = (x | ( x << 8)) & B[3];
   x = (x | ( x << 4)) & B[2];
   x = (x | ( x << 2)) & B[1];
   x = (x | ( x << 1)) & B[0];
   return x | (x << 1);
}

inline int32_t sumOnes(int32_t v)
{
   /* 0xAAAA == 0b1010 1010 1010 1010 */
   return !!(0xAAAA & (v ^ ~(v << 1)));
}

inline int32_t sumArray(int32_t v)
{
   return __builtin_popcount(v) - 8;
}

uint32_t x, y = 24252, z = 57768, w = 1564; //PRNG seeds

int32_t myRand()
{
   uint32_t t;
   t = x ^ (x << 1);
   x = y;
   y = z;
   z = w;
   w = w ^ ( w >> 19) ^ t ^ (t >> 8);
   return w;
}

int main()
{
   int leadingZero[8] = { 0 };
   x = static_cast<int32_t>(time(nullptr)); // seed PRNG
   const int maxS = 1 << 15;
   for( int i = 0; i < 1000; ++i )
   {
      int32_t random;
      do
      {
         random = 0xFFFF & myRand();
      } while(sumOnes(random) == 0 );
      for( int s = 0; s < maxS; ++s )
      {
         const int32_t x = interleaveBit(s);
         int j = 7;
         while( j >= 0 )
         {
            const int32_t h = (x >> (j * 2));
            const int32_t l = 0xFFFF & (~(random ^ h)); // inner product
            if( sumArray(l) == 0 )
            {
               leadingZero[j]++;
            } else
            {
               break;
            }
            j--;
         }
      }
   }
   printf("[%d, %d, %d, %d, %d, %d, %d, %d]\n",
      leadingZero[7], leadingZero[6],
      leadingZero[5], leadingZero[4],
      leadingZero[3], leadingZero[2],
      leadingZero[1], leadingZero[0]);
   return 0;
}

अब मैं यह परीक्षण करने के लिए इंतजार नहीं कर सकता! अफसोस की बात है कि यह कुछ घंटों के लिए नहीं होगा।

1
निम्नलिखित एक सुझाए गए संपादन में था, लेकिन मुझे लगता है कि यह एक टिप्पणी के रूप में बेहतर हो सकता है। आप अपने योगों की जगह ले सकते हैं, निम्नलिखित के साथ संक्षिप्त करें (मुझे ओपनपैड संस्करण पर एक 2x गति देने के लिए लगता है)। inline int32_t sumOnes(int32_t v) { /* 0xAAAA == 0b1010 1010 1010 1010 */ return !! (0xAAAA & (v ^ ~(v << 1))); } inline int32_t sumArray(int32_t v) { return __builtin_popcount(v) - 8; }यह @ user71404 द्वारा सुझाया गया था
ace_HongKongInd डिपेंडेंस

@ user71404: प्रोफाइलर ने कहा कि कार्यक्रम ने उन सभी कार्यों में अपना सारा समय बिताया है, लेकिन मैं वास्तव में थक गया था कल कुछ बेहतर सोचता था। मैं आज शाम (UTC) कोशिश करूँगा। धन्यवाद।
ilmale

क्या आप पूर्ण कोड और पेस्टेबल कोड होने के लिए दूसरे कोड स्निपेट को बदलना चाहेंगे? मुझे अपने ओपनमैप कोड को प्राप्त करने के लिए मेरे प्रयासों में कुछ गलत करना चाहिए ताकि यह बहुत मदद करेगा।

अच्छा लगा। मैंने सोचा कि यह बिट संचालन के साथ किया जा सकता है।
गाय सिरटन

10

जूलिया: 0.7s, 120x तेज

जैसा कि user20768 ने प्रदर्शित किया, जूलिया के लिए कोड का एक सीधा पोर्ट PyPy से लगभग दोगुना है। लेकिन हम इससे बहुत बेहतर कर सकते हैं।

function pleadingzerocounts(; n = 8,
                              m = 8,
                              iters = 1000)
  @parallel (+) for S = 1:2^(8+8-1)
    leading_counts = zeros(Int, m)
    F = Array(Int, n)
    for i = 1:iters
      flag = 0
      while flag == 0
        for i = 1:n
          v = (1-(rand(Int8)&3))%2
          @inbounds F[i] = v
          flag += v & 1
        end
      end
      for j = 1:m
        sum = 0
        for i = 1:n
          @inbounds sum += S & (1 << (j + i - 2)) > 0 ? F[i] : -F[i]
        end
        sum == 0 ?
          (leading_counts[j] += 1) :
          break
      end
    end
    leading_counts
  end
end

function main()
  # Warm up the JIT
  pleadingzerocounts()
  # Then go for real
  println(@time pleadingzerocounts())
end

आप इसका उपयोग करके चला सकते हैं julia -p 8 -e 'require("golf.jl");main()'(8 प्रक्रियाओं की संख्या है, आप इसके साथ खेलना चाह सकते हैं)। नवीनतम जूलिया प्रीलीज पर यह PyPy के लिए 0.7s बनाम 1m22s लेता है।

यदि आपके पास आपके कंप्यूटर पर पर्याप्त कोर हैं, और शायद कुछ AWS उदाहरणों को स्पिन करें, तो आपको कुछ और शेक बंद करने में सक्षम होना चाहिए :)


मुझे पूरा यकीन है कि आप गलत समय को माप रहे हैं। PyPy साथ अजगर भी एक JIT आधारित भाषा है, लेकिन ओ पी द्वारा किए गए समय में शामिल JIT संकलन समय। आप इसे बाहर कर रहे हैं। मैंने नवीनतम जूलिया गिट संस्करण स्थापित किया है और आपके कोड का परीक्षण किया है, और मेरी मशीन पर 8 प्रक्रियाओं के साथ आपकी कमांड को समाप्त होने में 6.6 सेकंड लगते हैं, लेकिन यह "बीता हुआ समय 0.588 .. सेकंड" प्रिंट करता है।
सेमी-एक्सट्रिंसिक

पायथन टाइमिंग में PyPy स्टार्टअप और JIT वार्मअप शामिल हैं, लेकिन इसमें सबसे अधिक सेकंड लगते हैं - एक मिनट के रनटाइम का अंतर नगण्य है। मुझे खुशी है कि अगर ओपी ने पाइथन को समयबद्ध तरीके से बदल दिया (तो इससे कोई फर्क नहीं पड़ेगा), लेकिन जूलिया का स्टार्टअप समय उचित नहीं था।
एक और मिनट

मैंने ओपी से टिप्पणियों में मूल प्रश्न पूछा, और उन्होंने कहा "टाइमिंग में जेआईटी भाषाओं के लिए सब कुछ शामिल होना चाहिए।" उन्होंने यह भी कहा कि वह एक नई चुनौती बनाएंगे जहां समाधान 1 सेकंड से अधिक समय लेगा, जूलिया को प्रतियोगिता में छोड़ देगा।
अर्ध-बहिर्मंडल

उस मामले में इष्टतम समाधान एक सीरियल एल्गोरिदम का उपयोग करना है - जो लगभग 2s लेता है। मैं कोड प्रकाशित करूंगा, लेकिन यह प्रतियोगिता अब कुछ हद तक बेमानी है, क्योंकि हर कोई पहले से ही जानता है कि C ++ बूट बाकी सब से तेज है।
एक और मिनट

मैंने अभी अपना फोरट्रान समाधान पोस्ट किया है, इसलिए मैं यह नहीं देखता कि आप सबसे तेज़ जूलिया को पोस्ट क्यों न करें (यदि आपके पास पहले से ही कोड है)।
अर्ध-बहिर्मंडल

5

सी, 1.210 से

ओपी के कोड के साथ मेरी मशीन पर 1m45.729s चल रहा है।

संकलन:

gcc -O3 -march=native -fwhole-program -fstrict-aliasing -ftree-vectorize -Wall ./test2.c -o ./test2

विशेष धन्यवाद: अनुकूलन के लिए संकलन झंडे और विचारों के लिए @dyp।

#include <stdio.h>
#include <time.h>

#define n (8)
#define m (8)
#define iters (1000)
int leadingzerocounts[m]; // declared as global so initialised to 0
unsigned int x,y=34353,z=57768,w=1564; //PRNG seeds

/* xorshift PRNG
 * Taken from https://en.wikipedia.org/wiki/Xorshift#Example_implementation
 * Used under CC-By-SA */
int myRand() {
    unsigned int t;
    t = x ^ (x << 11);
    x = y; y = z; z = w;
    return w = w ^ (w >> 19) ^ t ^ (t >> 8);
}

int dotproduct(int*F, int*S) {
    unsigned int i;
    int sum=0;
    for(i=0; i<n; i++) {
        sum+=F[i]*S[i];
    }
    return sum;
}

int main() {
    unsigned int i, j, tmp;
    x=(int)time(NULL); //seed PRNG

    int S[n+m-1];
    for(i=0; i<(1<<(n+m-1)); i++) {
        tmp=i;
        for(j=0; j<n+m-1; j++) {
            S[j]=(tmp&1)*(-2)+1;
            tmp>>=1;
        }
        for(j=0; j<iters; j++) {
            int F[n];
            unsigned int k, flag=0;
            do {
                for(k=0; k<n; k++) {
                    F[k]=(1-(myRand()&3))%2;
                    flag+=(F[k]&1);
                }
            } while(!flag);
            for(k=0; k<m&&!dotproduct(F, S+k); k++) {
                leadingzerocounts[k]++;
            }
        }
    }
    for(i=0; i<m; i++) printf("%d ", leadingzerocounts[i]);
    return 0;
}

नमूना उत्पादन:

6334411 2527506 1042239 439328 192914 87005 40847 19728

1
वास्तव में दिलचस्प है, मैं उन सभी अनुकूलन झंडे को गिराते समय समान अवलोकन कर सकता हूं। -march=native -fwhole-program -fstrict-aliasing -ftree-vectorizeBtw की कोशिश करो । मैं MT19937 प्लस a सहित कुछ C ++ 11 का उपयोग करके <4 s पर उतर गया uniform_int_distribution
dyp

1
1.119s 59 का स्पीडअप बनाता है!

1
@ace हां, मैं सिर्फ यह बताना चाहता था। C ++ में कुछ मानक लाइब्रेरी PRNGs को आज़माना मेरे लिए सरल था। ध्यान दें कि आप PRNG से 8 प्रविष्टियों के उत्पादन के लिए एक 32-बिट पूर्णांक परिणाम का उपयोग कर सकते हैं F
dyp

1
चूंकि nबराबर है 8, आप उचित Sभंडारण के साथ डॉटप्रोड की गणना करने के लिए एवीएक्स (या 2 * एसएसई) का उपयोग कर सकते हैं ।
माइकल एम।

2
SSE संस्करण, छोटी गति-अप: gist.github.com/anonymous/11394210 (शामिल करने के लिए मत भूलना smmintrin.h)
माइकल एम।

5

पर्ल

यह सी समाधान के रूप में तेजी से कहीं नहीं है, लेकिन मुझे लगता है कि उच्च स्तरीय व्याख्या की गई भाषा के लिए बहुत तेज है। यह पायथन कार्यान्वयन के चलने के समय से लगभग 40% दूर है।

#!/usr/bin/env perl

use v5.10;
use strict;
use warnings;
use Algorithm::Combinatorics qw( variations_with_repetition );
use List::Util qw( any sum );

use constant {
  N        => 8,
  M        => 8,
  ITERS    => 1000,
};

my @leadingzerocounts;

my $variations = variations_with_repetition([-1, 1], N + M - 1);
while (my $S = $variations->next)
{
  for my $i (1 .. ITERS)
  {
    my @F;
    until (@F and any { $_ } @F)
    {
      @F = map +((-1,0,0,1)[rand 4]), 1..N;
    }

    my $j = 0;
    while ($j < M)
    {
      last if sum map $F[$_]*$S->[$j+$_], 0..N-1;
      $leadingzerocounts[$j++]++;
    }
  }
}

say join ", ", @leadingzerocounts;

एल्गोरिदम :: कॉम्बिनेटरिक्स उबंटू ( sudo apt-get install libalgorithm-combinatorics-perl) में उपलब्ध है । उपयोग किए गए अन्य मॉड्यूल कोर पर्ल मॉड्यूल हैं, इसलिए पहले से ही आधार उबंटू स्थापना के हिस्से के रूप में स्थापित किया जाना चाहिए।


1
यह गति को प्रभावित नहीं करेगा, लेकिन यह 0..N-1आखिरी mapमें सही है? क्या आप भूल गए use warnings? :-) हालांकि ओपी में तर्क भ्रामक है, स्लाइडिंग विंडो कभी भी अंतिम तत्व तक नहीं जाती है S
user2846289

आह। मुझे लगा कि सरणियाँ बेमेल आकारों की थीं, इसलिए मैंने अक्षम warningsतत्वों को शून्य मानने की अनुमति दी। N-1इसमें सुधार होता है। और यह वास्तव में गति को बहुत कम सुधारता है - यह अब पायथन कार्यान्वयन की तुलना में लगभग 40% तेज है।
tobyink

मुझे लगता है कि आपके कोड को सूची के बहुत आधुनिक संस्करण की आवश्यकता है :: Util। Ubuntu 14.04 पर मुझे "कोई" सूची से निर्यात नहीं किया जाता है ::

अरे हाँ, यह सच है - आपको शायद सूची स्थापित करने की आवश्यकता होगी :: सीपीएएन का उपयोग करें। anyवैकल्पिक रूप से सूची में पाया जा सकता है :: MoreUtils, जो हालांकि एक मुख्य मॉड्यूल नहीं है जो आमतौर पर इस्तेमाल किए जाने वाले CPAN मॉड्यूल में से एक है।
tobyink'

4

जूलिया: 4.66x धीमा!

मैं वास्तव में उनकी वेबसाइट पर आंकड़ों पर संदेह करने लगा हूं ...

ध्यान दें कि निम्नलिखित जूलिया कोड प्रभावी रूप से बिना किसी अनुकूलन के ओपी के पायथन कोड का प्रत्यक्ष प्रतिलेखन है। मैं time()जूलिया के धीमी स्टार्टअप समय को बाहर करने के लिए फ़ंक्शन का उपयोग करता हूं ...

srand(27182818284590)
t = time()

require("Iterators")

n = 8
m = 8
iters = 1000
bothzero = 0
leadingzerocounts = zeros(m)

for S in Iterators.product(fill([-1,1], n+m-1)...)
    for i = 1:iters
        F = [[-1 0 0 1][rand(1:4)] for j = 1:n]
        while all((x) -> x == 0, F)
            F = [[-1 0 0 1][rand(1:4)] for j = 1:n]
        end
        j = 1
        while j <= m && sum(map(*, F, S[j:j+n-1])) == 0
            leadingzerocounts[j] += 1
            j += 1
        end
    end
end

println(leadingzerocounts)

t = time() - t
println("$t seconds")

जूलिया: 5 मीटर 32.912 सेकेंड

PyPy में ओपी कोड: 1 मीटर 11.506 एस

जूलिया आउटपुट:

6332170
2525472
1041522
438761
193119
86873
40705
19662

7
+1 आपके <s> बेशर्मी के लिए, स्पोर्ट्समैनशिप के लिए।
ace_HongKongInd डिपेंडेंस

वैश्विक चर, आयात और सरणी समझ धीमी है। ऐसा नहीं है कि आम तौर पर प्रदर्शन के लिए एक जूलिया कार्यक्रम कैसे लिखा जाएगा।
एलेक्स ए।

4

RPython 0.187s (258x तेज़)

मूल स्रोत w / PyPy2.2.1: 1m 6.718s

अब थ्रेडिंग के साथ, मानक पायथन के लिए बैक-सपोर्ट को हटा दिया गया है। वर्कर थ्रेड की संख्या को कमांड लाइन पैरामीटर के रूप में निर्दिष्ट किया जा सकता है, डिफ़ॉल्ट दो है।

from time import time, sleep
from math import fmod

from rpython.rlib.rthread import start_new_thread, allocate_lock, get_ident
class Random:
  __slots__ = ['s']

  def __init__(self, s=1):
    self.s = s

  def init_genrand(self, seed):
    self.s = seed

  def genrand32(self):
    # xorshift PRNG with period 2^32-1
    # see http://core.kmi.open.ac.uk/download/pdf/6250138.pdf
    self.s ^= (self.s << 13)
    self.s ^= (self.s >> 17)
    self.s ^= (self.s << 5)
    return self.s

class ThreadEnv:
  __slots__ = ['n', 'm', 'iters', 'counts', 'running', 'lock']

  def __init__(self):
    self.n = 8
    self.m = 8
    self.iters = 1000
    self.counts = [0]*8
    self.running = 0
    self.lock = None

env = ThreadEnv()
truth = [-1,0,0,1]

def main(argv):
  argc = len(argv)
  if argc < 4 or argc > 5:
    print 'Usage: %s N M ITERS [NUM_THREADS=2]'%argv[0]
    return 1

  if argc == 5:
    num_threads = int(argv[4])
  else:
    num_threads = 2

  env.n = int(argv[1])
  env.m = int(argv[2])
  env.iters = int(argv[3]) // num_threads
  env.counts = [0]*env.m
  env.lock = allocate_lock()

  for i in xrange(num_threads-1):
    start_new_thread(run,())
    env.running += 1

  env.running += 1

  # use the main process as a worker
  run()

  # wait for any laggers
  while env.running:
    sleep(0.01)

  print env.counts
  return 0

def run():
  n, m, iters = env.n, env.m, env.iters
  counts = [0]*m
  sbits = [0]*(n+m-1)

  random = Random()
  seed = int(fmod(time(), 2147483.648)*1000) ^ get_ident()
  random.init_genrand(seed)

  for S in xrange(1<<n+m-1):
    i = 0
    sbit = 0
    while not sbit:
      sbits[i] ^= 3
      sbit = sbits[i]
      i += 1

    for i in xrange(iters):
      f = 0
      while not f:
        F = random.genrand32()

        G, x = F, 0
        for k in xrange(n):
          x += truth[(G&3)^sbits[k]]
          f |= x
          G >>= 2

      if not x:
        counts[0] += 1
        for j in xrange(1, m):
          G, x = F, 0
          for k in xrange(j, n+j):
            x += truth[(G&3)^sbits[k]]
            G >>= 2
          if x: break
          counts[j] += 1

  # passing True stalls until a lock can be obtained
  env.lock.acquire(True)

  for i in xrange(m):
    env.counts[i] += counts[i]
  env.running -= 1

  env.lock.release()

def target(*args):
  return main, None

RPython Python का प्रतिबंधित उपसमूह है, जिसे C में अनुवाद किया जा सकता है और फिर RPython टूलबार का उपयोग करके संकलित किया जा सकता है । इसका व्यक्त उद्देश्य भाषा दुभाषियों के निर्माण में सहायता करना है, लेकिन इसका उपयोग उपरोक्त कार्यक्रमों की तरह सरल कार्यक्रमों को संकलित करने के लिए भी किया जा सकता है। पाइथन की अधिकांश 'कट्टर' विशेषताएं, जैसे कि itertoolsया यहां तक mapकि उपलब्ध नहीं हैं।

संकलन करने के लिए, वर्तमान pypy रिपॉजिटरी का एक स्थानीय क्लोन बनाएं , और निम्नलिखित को चलाएँ:

$ pypy %PYPY_REPO%/rpython/bin/rpython --thread convolution.py

परिणामी निष्पादन योग्य का नाम convolution-cया वर्तमान कार्य निर्देशिका में समान होगा ।

मैंने इनपुट चर का मानकीकरण किया है, इसलिए कार्यक्रम को इस प्रकार चलाया जाना चाहिए:

convolution-c 8 8 1000

नमूना कोड से मिलान करने के लिए।


कार्यान्वयन नोट्स

S in itertools.product([-1,1], repeat = n+m-1)हो जाता है S in xrange(1<<n+m-1), Sएक बिट मैप के रूप में व्याख्या करना : [ 0, 1] → → [ -1, 1]

इसी तरह, Fयह भी एक सा नक्शा, एक भी मूल्य का प्रतिनिधित्व प्रत्येक दो बिट्स के साथ है:
[ 00, 01, 10, 11] → [ -1, 0, 0, 1]

एक सच्चाई तालिका का उपयोग उत्पाद को देखने के लिए किया जाता है, न कि एक मल्टिप्लेक्शन करने के लिए।

क्योंकि 32-बिट हस्ताक्षरित पूर्णांक उपयोग किए जाते हैं, n15 से बड़ा नहीं हो सकता है, और n+m31 से बड़ा नहीं हो सकता rpython.rlib.rbigintहै। यदि आवश्यक हो, तो मॉड्यूल के साथ मनमाना पूर्णांक समर्थन प्राप्त किया जा सकता है।

डॉट-उत्पाद लूप की पहली पुनरावृत्ति को अनियंत्रित किया जाता है, और की शून्यता परीक्षण के साथ जोड़ा जाता है F

एक homebrew PRNG, स्रोत सूचीबद्ध किया जाता है। पेपर का लेखक 2 32 -1 की अवधि प्रदर्शित करता है , और दावा करता है कि यह सभी डैनहार्ड परीक्षणों को बचा लेता है, हालांकि मैंने व्यक्तिगत रूप से इसकी पुष्टि नहीं की है।

यादृच्छिक बीज हर मिलीसेकंड को बदलता है, जो टाइमस्टैम्प का उपयोग करने के बारे में अच्छा है। इसके अतिरिक्त, प्रत्येक वर्कर थ्रेड xorअपनी प्रक्रिया आईडी को इस मान के साथ देता है, यह सुनिश्चित करने के लिए कि उनके पास एक अलग बीज है।


नमूना समय

2 कार्यकर्ता सूत्र:

$ timeit convolution-c 8 8 1000 2
[6331845, 2526161, 1042330, 440018, 193724, 87147, 40943, 19603]

Elapsed Time:     0:00:00.375
Process Time:     0:00:00.687
System Calls:     6927

4 कार्यकर्ता सूत्र:

$ timeit convolution-c 8 8 1000 4
[6334565, 2527684, 1043502, 440216, 193225, 87398, 40799, 19338]

Elapsed Time:     0:00:00.218
Process Time:     0:00:00.796
System Calls:     3417

8 कार्यकर्ता सूत्र:

$ timeit convolution-c 8 8 1000 8
[6327639, 2522483, 1039869, 437884, 192460, 86771, 40420, 19403]

Elapsed Time:     0:00:00.187
Process Time:     0:00:00.734
System Calls:     3165

ओपी का मूल स्रोत:

$ timeit pypy convolution-orig.py
[6330610, 2525644, 1041481, 438980, 193001, 86622, 40598, 19449]

Elapsed Time:     0:01:06.718
Process Time:     0:01:06.718
System Calls:     11599808

100000 पुनरावृत्तियों के लिए समय:

$ timeit convolution-c 8 8 100000 8
[633156171, 252540679, 104129386, 43903716, 19307215, 8709157, 4072133, 1959124]

Elapsed Time:     0:00:16.625
Process Time:     0:01:02.406
System Calls:     171341

मैंने पहले कभी एक रफ़थन कार्यक्रम नहीं देखा है। यह भी खूब रही। अब क्या एक बराबर शुद्ध अजगर कार्यक्रम है जो 1.03s में चल सकता है?

@ लेम्बिक मैं एक देखना चाहूंगा। मैंने सोचा था कि 4.7s बहुत अच्छा था, शुद्ध अजगर पर मेरा पहला प्रयास ~ 15s था।
प्रिमो

हाँ, देरी के लिए खेद है। मुझे अभी तक कोड नहीं मिला है, लेकिन जितनी जल्दी हो सके।

आपको एक JIT जोड़ने का प्रयास करना चाहिए। अब यह तेजी से होगा!
kirbyfan64sos

@Lembik इस उल्लेख के लिए धन्यवाद;) जिज्ञासा से बाहर, यह 4 कार्यकर्ता धागे, या 8 के साथ सबसे तेज चला?
प्रिमो

3

जूलिया: 1 मिनट 21.4s (2.2x तेज) (अरमान के कोड का संशोधन)

PyPy में Op का कोड: 3 मिनट 1.4 s

दोनों आरईपीएल में किए गए, पैकेज लोड करने के लिए समय सहित नहीं।

function foo()                                                                                                                                                             
    n = 8                                                                                                                                                                  
    m = 8                                                                                                                                                                  
    iters = 1000                                                                                                                                                           
    bothzero = 0                                                                                                                                                           
    leadingzerocounts = zeros(Int,m)                                                                                                                                       
    P=[-1,0,0,1]                                                                                                                                                           

    for S in Iterators.product(fill([-1,1], n+m-1)...)                                                                                                                     
        Sm=[S...]                                                                                                                                                          
        for i = 1:iters                                                                                                                                                    
            F = P[rand(1:4,n)]                                                                                                                                             
            while all(F==0)                                                                                                                                                
                F = P[rand(1:4,n)]                                                                                                                                         
            end                                                                                                                                                            
            j = 1                                                                                                                                                          

            while j <= m && dot(F,Sm[j:j+n-1]) == 0                                                                                                                        
                leadingzerocounts[j] += 1                                                                                                                                  
                j += 1                                                                                                                                                     
            end                                                                                                                                                            
        end                                                                                                                                                                
    end                                                                                                                                                                    

    println(leadingzerocounts)                                                                                                                                             
end 

अरमान के कोड के साथ कुछ समस्याएं हैं जो इसे बहुत धीमा कर रही हैं: इसमें बहुत सारे अनाम कार्यों और उच्चतर आदेश कार्यों का अनावश्यक रूप से उपयोग किया जाता है। यह जांचने के लिए कि सभी सदिश F शून्य है, तो सभी के बजाय (F == 0) सभी को क्यों न लिखें (x-> x == 0, F)? यह छोटा है, और सचमुच एक हजार गुना तेज है।

यह केवल डॉट डॉट (x, y) के बजाय डॉट उत्पाद के रूप में राशि (मैप (*, x, y)) का उपयोग करता है। 10k डबल्स के वेक्टर के लिए पहला संस्करण 650 गुना धीमा है । और शुद्ध उत्पाद फ़ंक्शन को शुद्ध जूलिया में लूप के रूप में लागू किया जाता है।

इसके अलावा, सरणी समझ धीमी है। जे = 1: n] के लिए [[-1 0 0 1] [रैंड (1: 4)] के बजाय [0,1,0, -1] [रैंड (1: 4, n)] लिखना बेहतर है। ।

अंत में, वैश्विक चर जूलिया में खराब जूजू हैं। जूलिया केवल तेजी से है अगर आप इस तरह से कोड लिखते हैं जो जेआईटी और काम करने के लिए प्रकार की अनुमति देता है। इसका एक बड़ा हिस्सा प्रकार की स्थिरता है: संकलक को यह सुनिश्चित करने में सक्षम होना चाहिए कि उदाहरण के लिए, लूप के अंदर एक चर का प्रकार नहीं बदलेगा।


धन्यवाद! मुझे लगता है कि मुझे अभी भी जूलिया भाषा के बारे में जानने के लिए काफी कुछ है इससे पहले कि मैं इसकी गति के बारे में दावे कर सकता हूं :) वास्तव में यह देखकर खुशी हुई कि मेरे कोड में कुछ तुच्छ सुधार इसके निष्पादन समय को कई गुना बढ़ा देते हैं।
फुर्तीला आगर

2

निमरॉड

import times, locks, strutils, unsigned

const
  N = 8
  M = 8
  iters = 1000
  numThreads = 8

type
  SVec = array[0..N+M-1, int]
  FVec = array[0..N-1, int]
  ComputeThread = TThread[int]

var
  rngSeed = int(epochTime()*1000)
  totalLeadingZeros: array[0..M-1, int]
  lock: TLock

type
  RNGState = object
    x, y, z, w: uint32

proc newRNG(seed: int): RNGState =
  result.x = uint32(seed)

proc random(rng: var RNGState): int =
  let t = rng.x xor (rng.x shl 11)
  rng.x = rng.y; rng.y = rng.z; rng.z = rng.w
  rng.w = rng.w xor (rng.w shr 19) xor t xor (t shr 8)
  result = int(rng.w)

proc initVecRand(v: var FVec, rng: var RNGState) =
  const values = [ -1, 0, 0, 1 ]
  var rnd = rng.random
  var bitAcc = 0
  for i in 0 .. <len(v):
    let val = values[rnd and 3]
    rnd = rnd shr 2
    v[i] = val
    bitAcc = bitAcc or val
  if bitAcc == 0:
    initVecRand(v, rng)

proc convolve(s: SVec, f: FVec, offset: int): int =
  for i in 0 .. <len(f):
    result += s[i+offset]*f[i]

proc iterate(v: var SVec) =
  for i in 0 .. <len(v):
    if v[i] == -1:
      v[i] = 1
      return
    v[i] = -1

proc mainThread(id: int) {.thread.} =
  const numS = 1 shl (N+M-1)
  var
    s: SVec
    f: FVec
    leadingZeros: array[0..M-1, int]
    rng = newRNG(rngSeed + id)
  for k in 0 .. <len(s):
    s[k] = -1
  for i in 1..numS:
    for j in countUp(id, iters, numThreads):
      initVecRand(f, rng)
      if convolve(s, f, 0) == 0:
        leadingZeros[0] += 1
        for k in 1 .. <M:
          if convolve(s, f, k) == 0:
            leadingZeros[k] += 1
          else:
            break
    iterate(s)
  acquire(lock)
  for i in 0 .. <M:
    totalLeadingZeros[i] += leadingZeros[i]
  release(lock)

proc main =
  let startTime = epochTime()
  var threads: array[1..numThreads, ComputeThread]
  initLock(lock)
  for i in 1..numThreads:
    createThread(threads[i], mainThread, i)
  for i in 1..numThreads:
    joinThread(threads[i])
  echo("Leading zeros: ", @totalLeadingZeros)
  let endTime = epochTime()
  echo("Time taken:    ", formatFloat(endTime - startTime, ffDecimal, 3),
       " seconds")

main()

उदाहरण आउटपुट:

Leading zeros: @[6333025, 2525808, 1042466, 439138, 192391, 86751, 40671, 19525]
Time taken:    0.145 seconds

निमरॉड सी के लिए संकलित करता है, इसलिए बैकएंड मामलों के लिए सी कंपाइलर का विकल्प भी।

क्लैंग का उपयोग करना, के साथ संकलित करें:

nimrod cc --threads:on --cc=clang --passc:-flto -d:release conv.nim

जीसीसी का उपयोग करना, के साथ संकलित करें:

nimrod cc --threads:on --cc=gcc --passc:-flto -d:release conv.nim

Omit --passc:-fltoअगर आपके पास पुराने C कंपाइलर हैं जो LTO का समर्थन नहीं करते हैं। --cc=...यदि आप सी कंपाइलर के लिए डिफ़ॉल्ट विकल्प के साथ ठीक हैं तो विकल्प को छोड़ दें । कोड के लिए निमरोड 0.9.4 या 0.9.5 की आवश्यकता होती है ।

मेरे क्वाडकोर iMac (2.66 गीगाहर्ट्ज कोर i5) पर, कोड .15 सेकंड में gcc 4.9, .16 सेकंड के साथ क्लैंग के साथ चलता है, जबकि PyPy 2.2.1 (यानी 500+ बार स्पीडअप) के लिए 88 सेकंड की तुलना में। दुर्भाग्य से, मेरे पास चार से अधिक कोर वाली मशीन तक पहुंच नहीं है, जिसमें PyPy भी स्थापित है या जहां मैं आसानी से PyPy स्थापित कर सकता हूं, हालांकि मुझे 64-कोर AMD पर लगभग 1 सेकंड (माप शोर के साथ) मिलता है। 4.4.6 के साथ Opteron 6376 1.4 GHz (/ के अनुसार / cpuinfo)।

कार्यान्वयन पठनीयता की कीमत पर कोड का अनुकूलन करने के बजाय मूल के प्रति वफादार होने की कोशिश करता है, जबकि स्पष्ट अनुकूलन के लिए नहीं। दिलचस्प रूप से पर्याप्त है, पूंछ की पुनरावृत्ति initVecRand()एक लूप की तुलना में थोड़ी तेजी से होती है जिसमें जीसीसी और क्लैंग दोनों के साथ एक ब्रेक निर्देश होता है। convolveमुख्य लूप के अंदर परीक्षण लूप के एक पुनरावृत्ति को मैन्युअल रूप से अनियंत्रित करते हुए बेहतर शाखा भविष्यवाणी के कारण संभवतः एक गति भी उत्पन्न हुई।


आप ubuntu के लिए निमरॉड कैसे प्राप्त करते हैं?

@Lembik एक त्वरित Google खोज आपको nimrod-lang.org/download.html
ace_HongKongInd डिपेंडेंस

@ace मैंने अपनी पोस्ट में लिंक को भी शामिल किया था (हालांकि नीले रंग के साथ अब इसे देखना मुश्किल है)।
रीमर

आप बीज के आकार को 128 बिट तक बढ़ाकर इसे और भी तेज कर सकते हैं: xorshift.di.unimi.it
user60561

2

जावा

मैंने उपरोक्त C ++ समाधान का जावा में अनुवाद किया:

import java.util.Random;
import java.util.Arrays;

public class Bench2 {
  public static int[] bits = { 0x55555555, 0x33333333, 0x0F0F0F0F, 0x00FF00FF };
  public static int[] oneValues = { 1, 0, 0, 1 };
  public static int[] values = { -1, 0, 0, 1 };
  public static int n = 8;
  public static int m = 8;
  public static int iters = 1000;

  private static int x,y=34353,z=57768,w=1564;

  public static void main( String[] args ) {
    x = (int) (System.currentTimeMillis()/1000l);

    int[] leadingzerocounts = new int[ m ];
    Arrays.fill( leadingzerocounts, 0 );

    int maxS = 1 << 15;

    for( int s = 0; s < maxS; s++ ) {
      int x = interleaveBit( s );

      for( int i=0; i<iters; i++ ) {
        int random;

        do {
          random = 0xFFFF & fastRandom( );
        } while( sumOnes( random ) == 0 );

        int j = 7;

        while( j >= 0 ) {
          int h = ( x >> (j*2) );
          int l = 0xFFFF & (~(random ^ h));

          if( sumArray( l ) == 0 ) {
            leadingzerocounts[ j ]++;
          } else {
            break;
          }

          j--;
        }
      }
    }

    for( int i = 7; i >= 0; --i ) {
      System.out.print( leadingzerocounts[ i ] + " " );
    }

    System.out.println( );
  }

  public static int interleaveBit( int x ) {
    x = (x | ( x << 8)) & bits[3];
    x = (x | ( x << 4)) & bits[2];
    x = (x | ( x << 2)) & bits[1];
    x = (x | ( x << 1)) & bits[0];
    return x | (x << 1);
  }

  public static int sumOnes( int v ) {
    return (0xAAAA & (v ^ ~(v << 1)));
    // int s = 0;

    // for( int i = 0; i < 8; ++i ) {
    //   int a = 3 & ( v >> (i*2) );
    //   s += oneValues[ a ];
    // }

    // return s;
  }

  public static int sumArray( int v ) {
    return Integer.bitCount( v ) - 8;
    // int s = 0;

    // for( int i=0; i<8; ++i ) {
    //   int a = 3 & ( v >> (i*2) );
    //   s += values[ a ];
    // }

    // return s;
  }

  public static int fastRandom( ) {
    long t;
    t = x ^ (x << 11);
    x = y; y = z; z = w;
    return w = (int)( w ^ (w >> 19) ^ t ^ (t >> 8));
  }
}

मेरी मशीन पर मुझे जावा प्रोग्राम के लिए निम्न आउटपुट मिले:

time java Bench2
6330616 2524569 1040372 439615 193290 87131 40651 19607 
java Bench2  0.36s user 0.02s system 102% cpu 0.371 total

ओपी कार्यक्रम मेरी मशीन पर लगभग 53 सेकंड चलता है:

time pypy start.py
[6330944, 2524897, 1040621, 439317, 192731, 86850, 40830, 19555]
pypy start.py  52.96s user 0.06s system 99% cpu 53.271 total

C ++ प्रोग्राम केवल 0.15 सेकंड के लिए निष्पादित किया गया:

time ./benchcc
[6112256, 2461184, 1025152, 435584, 193376, 87400, 40924, 19700]
./benchcc  0.15s user 0.00s system 99% cpu 0.151 total

यह संबंधित जावा समाधान की तुलना में लगभग 2.5 गुना तेज है (मैंने वीएम स्टार्टअप को बाहर नहीं किया है)। यह जावा समाधान PyPy के साथ निष्पादित कार्यक्रम की तुलना में लगभग 142x तेज है।

चूंकि मुझे व्यक्तिगत रूप से दिलचस्पी थी, इसलिए मैंने itersजावा और सी ++ के लिए 100_000 सेट किया था, लेकिन 2.5 का कारक जावा के पक्ष में कम नहीं हुआ अगर कुछ भी बड़ा हुआ।

संपादित करें: मैंने 64 बिट आर्क लिनक्स पीसी पर कार्यक्रम चलाए।

EDIT2: मैं जोड़ना चाहता हूं कि मैंने अजगर कोड के मोटे अनुवाद के साथ शुरुआत की:

import java.util.Random;
import java.util.Arrays;

public class Bench {
    public static int[] values = { -1, 0, 0, 1 };
    public static int n = 8;
    public static int m = 8;
    public static int iters = 1000;

    private static int x,y=34353,z=57768,w=1564; 

    public static void main( String[] args ) {
        x = (int) (System.currentTimeMillis()/1000l);

        int[] leadingzerocounts = new int[ m ];
        Arrays.fill( leadingzerocounts, 0 );

        int[] S = new int[ n+m-1 ];
        Arrays.fill( S, -1 );

        do {
            for( int i=0; i<iters; i++ ) {
                int[] F = new int[ n ];

                do {
                    randomArray( F );
                } while( containsOnlyZeros( F ) );

                for( int j=0; j < m && check( F, S, j ); j++ ) {
                    leadingzerocounts[ j ] += 1;
                }
            }
        } while( next( S ) );

        System.out.println( Arrays.toString( leadingzerocounts ) );
    }

    public static void randomArray( int[] F ) {
        for( int i = 0; i<F.length; i++ ) {
            F[ i ] = (1-(fastRandom()&3))%2;
        }
    }

    public static boolean containsOnlyZeros( int[] F ) {
        for( int x : F ) {
            if( x != 0 ) {
                return false;
            }
        }

        return true;
    }

    public static boolean next( int[] S ) {
        for( int i=0; i<S.length; i++ ) {
            if( ( S[ i ] = -S[ i ] ) == 1 ) {
                return true;    
            }
        }

        return false;
    }

    public static boolean check( int[] F, int[] S, int j ) {
      int sum = 0;

      for( int i=0; i<n; i++ ) {
          sum += F[ i ] * S[ j + i ];
      }

      return sum == 0;
    }

    public static int fastRandom( ) {
        long t;
        t = x ^ (x << 11);
        x = y; y = z; z = w;
        return w = (int)( w ^ (w >> 19) ^ t ^ (t >> 8));
    }
}

यह कार्यक्रम लगभग 3.6 सेकंड चला:

time java Bench   
[6330034, 2524369, 1040723, 439261, 193673, 87338, 40840, 19567]
java Bench  3.64s user 0.01s system 101% cpu 3.600 total

जो PyPy समाधान की तुलना में लगभग 14 गुना तेज है। (फास्ट-रैंडम फ़ंक्शन पर मानक यादृच्छिक फ़ंक्शन का चयन करने पर 5 सेकंड का निष्पादन समय होता है)


2

पायथन 3.5 + संख्या 1.10.1, 3.76 सेकंड

परीक्षण मेरे मैकबुक प्रो पर चलाए गए थे। ओपी के कोड ने एक ही मशीन पर ~ 6 मिनट लिया।

वास्तव में इस सवाल का जवाब देने का कारण यह है क्योंकि मेरे पास 10 प्रतिष्ठा नहीं हैं और मैं भाग I-p का जवाब नहीं दे सकता

पिछले कुछ दिनों से, मैं यह जानने की कोशिश कर रहा हूं कि बड़े पैमाने पर बड़े पैमाने पर दृढ़ संकल्प के साथ कुशलतापूर्वक प्रदर्शन कैसे किया जाए (बिना थर्ड पार्टी पैकेज पर भरोसा किए, यहां तक ​​कि डरपोक भी)। जब मैं अपने शोध के दौरान चुनौतियों की इस श्रृंखला में आया, मैंने इसे एक कोशिश देने का फैसला किया। मैं देर से इस खेल में आया हूँ, लेकिन यहाँ पायथन 3.5 और संख्या 1.10.1 का उपयोग करते हुए मेरा प्रयास है।

def test_convolv():
    n = 8 
    m  = 8 
    iters = 1000
    ilow = np.ceil(0+n/2).astype(int)
    ihigh = np.ceil(m+n/2).astype(int)

    leadingzerocounts = np.zeros(m)

    # Pre-compute S & F
    S = np.array(list(itertools.product([-1,1], repeat = n+m-1)))
    choicesF = np.random.choice(np.array([-1, 0, 0, 1], dtype=np.int8), size=n*iters).reshape(iters,n)
    imask = ~np.any(choicesF, axis=1)
    while np.any(imask):
        imasksize = np.count_nonzero(imask)
        choicesF[imask,:] = np.random.choice(np.array([-1, 0, 0, 1], dtype=np.int8), size=n*imasksize).reshape(imasksize, n)
        imask = ~np.any(choicesF, axis=1)

    for i in np.arange(iters):
        F = choicesF[i, :]
        # This is where the magic is: by flattening the S array, 
        # I try to take advantage of speed of the np.convolve 
        # (really numpy.multiarray.correlate). 
        FS = (np.convolve(S.reshape(-1), F, 'same').reshape(S.shape))[:, ilow:ihigh]
        jmask_not = (FS[:, 0] != 0)
        leadingzerocounts[0] = leadingzerocounts[0]+np.count_nonzero(~jmask_not)
        for j in np.arange(n-1)+1:
            jmask = (FS[jmask_not, j] != 0)
            leadingzerocounts[j] = leadingzerocounts[j] + np.count_nonzero(~jmask)
            jmask_not[(jmask_not.nonzero()[0])[jmask]] = False

    print(leadingzerocounts)

मैंने S और F सरणियों की पूर्व-गणना की, और कनवल्शन का प्रदर्शन करते हुए S सरणी को चपटा किया, जो (मेरे प्रयोगों के आधार पर) np.convolve की गति का लाभ उठा सकता था। दूसरे शब्दों में, जैसा कि मैंने एक सदिश कनवल्शन रुटीन नहीं पाया, मैंने पूरे ऐरे को चपटा करके कोड को नकली बना दिया और आशा व्यक्त की कि np.convolved मेरे लिए हुड के नीचे वैश्वीकरण करेगा, जो काम कर रहा था। नोट I ने मोड = 'समान' का उपयोग किया और उन प्रमुख और अनुगामी तत्वों की छंटनी की जो बेकार थे।

मेरे मैकबुक प्रो पर, परीक्षा परिणाम 3.76 सेकंड देते हैं । जब मैंने ओपी कोड चलाया (पायथन 3.5 के साथ संशोधित), तो मुझे लगभग 6 मिनट मिल गए । स्पीडअप लगभग 100 गुना है।

एक दोष यह है कि क्योंकि एस और एफ सरणियों को संग्रहित किया जाना है, यदि आकार बहुत बड़ा है, तो मेमोरी की आवश्यकता एक समस्या हो सकती है।

मैंने भाग I के लिए समान विधि का उपयोग किया और मुझे अपने लैपटॉप पर ~ 60-100x स्पीडअप मिला।

जैसा कि मैंने अपने मैकबुक प्रो पर सब कुछ किया है, अगर कोई मेरे कोड का परीक्षण कर सकता है और मुझे बता सकता है कि यह आपकी मशीन पर कैसे जाता है, तो मैं बहुत सराहना करता हूं!


1

जे, 130x ~ 50x स्पीडअप?

n =: m =: 8
len =: 1000
S =: (] - 0 = ])S0=: #:i.2^<:+/n,m
k =: (n#0) -.~ (_1 0 0 1) {~ (n#4) #: i.4^n
sn =: (]-0=])#:i.2^n
ku =: ~. k
M =: 0=+/"1 sn *"1/ ku
fs =: (ku&i.)"1 k
snum =: n #.\"1 S0

run =: 3 : 0
 r =: n#0
 for_t. (snum) do.
   rn =: fs{~? len # #k
   r =: r + +/"1*/\rn{"1 t{M
 end.
 r
)
echo run 0
exit''

एक यादृच्छिक डेबियन पर टाइम्स:

u#>time j slowpy.ijs
6334123 2526955 1041600 440039 193567 87321 40754 19714

real    0m2.453s
user    0m2.368s
sys     0m0.084s


u#>time python slow_pyth.py
[6331017, 2524166, 1041731, 438731, 193599, 87578, 40919, 19705]

real    5m25.541s
user    5m25.548s
sys     0m0.012s

मुझे लगता है कि इसमें सुधार की गुंजाइश है।


पायथन लिपि का उपयोग करते हुए निष्पादित किया जाना चाहिए pypy, नहीं python, यही कारण है कि आपकी स्क्रिप्ट 130x गति-अप दे रही है।
ace_HongKongInd डिपेंडेंस

@ace हाँ, मैंने देखा लेकिन मैं pypy स्थापित नहीं कर सकता: - / मुझे लगता है कि परिमाण का क्रम हालांकि बना रहेगा।
बारहवीं


वास्तव में, जरूरी नहीं।
बारहवीं

आपको पीपा स्थापित करने में क्या समस्या है?

1

C ++: x200 (4-कोर i7, 8-कोर पर x400 के पैमाने पर होना चाहिए)

समानांतर के साथ एक और अधिक सरल C ++ 11 (वीएस 2012 के साथ परीक्षण, जीसीसी और क्लैंग) समाधान की कोशिश करना।

इसे संकलित करने के लिए और gcc 4.8.1 के साथ लिनक्स के तहत चलाएं:

g ++ -O3 -msse -msse2 -msse3 -march = देशी -std = c ++ 11 -pthread -Wl, - no-as-need golf.cpp

लिनक्स के तहत हमें std::launch::asyncकई थ्रेड्स को बाध्य करने की भी आवश्यकता है। मुझे याद आ रहा था कि पहले के संस्करण में।

विजुअल स्टूडियो (2012+) में इसे सिर्फ काम करना चाहिए लेकिन टाइमिंग के लिए रिलीज़ बिल्ड बनाना चाहिए ...

मेरे पुराने दोहरे कोर i3 पर यह ~ 0.9 सेकंड में चलता है । मेरे i7 क्वाड कोर पर यह 0.319 s बनाम pypy 66 सेकंड है।

8-कोर i7 पर यह x400 स्पीडअप रेंज में होना चाहिए। C शैली सरणियों पर स्विच करने से इसमें तेजी आएगी लेकिन मुझे C ++ कंटेनरों के साथ रहने में रुचि थी। मेरे लिए यह दिलचस्प है कि आप समस्या क्षेत्र के अपेक्षाकृत करीब रहते हुए और अपेक्षाकृत उच्च स्तर पर रहते हुए स्पीडअप देख सकते हैं, मुझे लगता है कि सी ++ वास्तव में अच्छा है। यह भी ध्यान दें कि C ++ 11 कंस्ट्रक्शंस का उपयोग करते हुए समतलीकरण की सापेक्ष आसानी है।

@ इल्मले का समाधान बहुत अच्छा है और -1/1/0 के लिए काम करता है। कोई भी इस पर SSE फेंक सकता है और शायद एक महत्वपूर्ण स्पीडअप प्राप्त कर सकता है।

समानांतर से परे वहाँ एक और "ट्रिक" है जो योगों की संख्या को कम कर रहा है। नमूना परिणाम: 6332947 2525357 1041957 438353 193024 87331 40902 19649

#include <vector>
#include <iostream>
#include <thread>
#include <future>
#include <time.h>
#include <ctime>
#include <algorithm>

using namespace std;

// Bring some of these constants out to share
const size_t m = 8;
const int nthreads = 16;
const size_t cn = 15;
const int two_to_cn = 32768;

static unsigned int seed = 35;

int my_random() // not thread safe but let's call that more random!
{
   seed = seed*1664525UL + 1013904223UL; // numberical recipes, 32 bit
   return ((seed>>30)&1)-!!((seed>>30)&2); // Credit to Dave!
}

bool allzero(const vector<int>& T)
{
   for(auto x : T)
   {
      if(x!=0)
      {
         return false;
      }
   }
   return true;
}

// Return the position of the first non-zero element
size_t convolve_until_nonzero(size_t max_n, const vector<int>& v1, const vector<int>& v2)
{
   for(size_t i = 0; i<max_n; ++i)
   {
      int result = 0;
      for(size_t j = 0; j<v2.size(); ++j)
      {
         result += v1[i+j]*v2[j];
      }
      if(result!=0)
      {
         return i;
      }
   }
   return max_n;
}

void advance(vector<int>& v)
{
   for(auto &x : v)
   {
      if(x==-1)
      {
         x = 1;
         return;
      }
      x = -1;
   }
}

vector<int> convolve_random_arrays(vector<int> S, int range)
{
   const int iters = 1000;
   int bothzero = 0;
   int firstzero = 0;

   time_t current_time;
   time(&current_time);
   seed = current_time;


   vector<int> F(m);
   vector<int> leadingzerocounts(m+1);

   for(auto &x: leadingzerocounts)
   {
      x = 0;
   }

   for(int i=0; i<range; ++i)
   {
      for(int j=0; j<iters; ++j)
      {
         do
         {
            for(auto &x : F)
            {
               x = my_random();
            }
         } while(allzero(F));
         leadingzerocounts[convolve_until_nonzero(m, S, F)]++;
      }
      advance(S);
   }

   // Finish adding things up...
   for(int i=m-1; i>0; --i)
   {
      leadingzerocounts[i] += leadingzerocounts[i+1];
   }

   vector<int> withoutfirst(leadingzerocounts.begin()+1, leadingzerocounts.end());
   return withoutfirst;
}

int main(int argc, char* argv[])
{

   vector<int> leadingzerocounts(m);

   for(auto &x: leadingzerocounts)
   {
      x = 0;
   }

   clock_t start = clock();

   vector<int> S(cn);
   for(auto &x : S)
   {
      x = -1;
   }

   vector< future< vector< int > > > fs; // The future results of the threads

   // Go make threads to work on parts of the problem
   for(int i=0; i<nthreads; ++i)
   {
      vector<int> S_reversed = S; // S counts using LSBs but we want the thread start to be in MSBs
      reverse(S_reversed.begin(), S_reversed.end());
      fs.push_back(async(std::launch::async, convolve_random_arrays, S_reversed, two_to_cn/nthreads));
      advance(S);
   }
   // And now collect the data
   for(auto &f : fs)
   {
      vector<int> result = f.get();
      for(int i=0; i<result.size(); ++i)
      {
         leadingzerocounts[i] += result[i];
      }
   }

   for(auto count : leadingzerocounts)
   {
      cout << count << endl;
   }

   return 0;
}

1

फोरट्रान: 316x

ठीक है, फोरट्रान: मैंने 4 कोर i7 सीपीयू पर एक Xorshift RNG और OpenMP का उपयोग करते हुए इसे 106x 155x 160x 316x स्पीडअप तक प्राप्त किया है। इसके अलावा, कोई बड़ी चाल नहीं है। एस के निर्माण के लिए पुनरावृत्ति के लिए, मैं सिर्फ 16-बिट पूर्णांक i के बाइनरी प्रतिनिधित्व का उपयोग करता हूं। आप ध्यान दें कि इनलाइन RNG और "iterator" / i से S तक मैपिंग के अलावा, कोड पायथन कोड के समान उच्च-स्तरीय है।

संपादित करें: Xorshift में "if" को हटा दिया, अब "r = w / ..." के बजाय "r = abs (w / ...)" का उपयोग कर रहा है। 106x से 155x तक जाता है।

Edit2: यह Cx समाधान के रूप में कई यादृच्छिक संख्याओं के रूप में 15x उत्पन्न करता है। अगर किसी के पास फोरमैन में 0s और 1s के एक सरणी में यादृच्छिक int को परिवर्तित करने के लिए शून्य-ओवरहेड समाधान है, तो मैं सभी कान हूं। तब हम C ++ को हरा सकते थे :)

एडिट 3: लेम्बिक ने बताया कि पहले एड ने एक बग पेश किया। यह अब तय हो गया है, स्पीडअप में एक छोटे से सुधार के साथ। मैं अधिक स्पीडअप प्राप्त करने के लिए Eelvex द्वारा सुझाव का उपयोग करने का प्रयास करूंगा।

Edit4: प्रोफाइलिंग ने संकेत दिया कि वास्तविक और वापस पूर्णांक में nint () के साथ परिवर्तित करना धीमा था। मैंने इसे एक पूर्णांक विभाजन के साथ बदल दिया, जो स्केलिंग और राउंडिंग दोनों कर रहा था, 160x से 316x स्पीडअप तक जा रहा था।

संकलन:

gfortran -O3 -march = देशी -fopenmp golf.f90

program golf
implicit none
integer, parameter :: m=8, n=8
integer :: F(n), S(m+n-1), leadingzerocounts(m)
integer :: j,k,bindec,enc,tmp,x=123456789,y=362436069,z=521288629,w=88675123
integer*2 :: i
real :: r

leadingzerocounts=0

!$OMP parallel do private(i,enc,j,bindec,S,F,k,tmp,x,y,z,w,r) reduction(+:leadingzerocounts) schedule(dynamic)
do i=0,32766
  enc=i
  ! Short loop to convert i into the array S with -1s and 1s
  do j=16,2,-1
    bindec=2**(j-1)
    if (enc-bindec .ge. 0) then
      S(j-1)=1
      enc=enc-bindec
    else
      S(j-1)=-1
    endif
  end do
  do j=1,1000
    F=0
    do while (.not. any(F /= 0))
      do k=1,n
        ! Start Xorshift RNG
        tmp = ieor(x,ishft(x,11))
        x = y
        y = z
        z = w
        w = ieor(ieor(w,ishft(w,-19)),ieor(tmp,ishft(tmp,-8)))
        ! End Xorshift RNG
        ! Just scale it inside the nint:
        !F(k)=nint(w/2147483648.0)
        ! Scaling by integer division is faster, but then we need the random 
        ! number to be in (-2,2) instead of [-1,1]:
        F(k)=w/1073741824

      end do
    end do
    do k=1,m
      if (dot_product(F,S(k:k+n-1)) /= 0) exit
      leadingzerocounts(k)=leadingzerocounts(k)+1
    end do
  end do
end do
!$OMP end parallel do

print *, leadingzerocounts

end

उदाहरण आउटपुट:

$ समय ।/a.out
6329624 2524831 1039787 438809 193044 6860 4086
19517 ।/a.out 1.45s उपयोगकर्ता 0.00s प्रणाली 746% cpu 0.192 कुल

ओपी का कोड:

$ समय pypy Golf.py
pypy golf.py 60.68s उपयोगकर्ता 0.04s सिस्टम 99% cpu 1: 00.74 कुल


मैंने J में जो प्रयोग किया था, वह आधार -4 में 4 ^ n संख्याओं की एक प्री-लिस्ट थी, फिर ट्रायडिक में बदलकर 0. को छोड़कर। RNG इस सूची से चुनता है।
बारह

मुझे यकीन नहीं है कि आपका कोड सही है। 100,000 पुनरावृत्तियों के लिए मुझे 633140285 271390368 118307997 52751245 23725837 10744292 4944464 2388125 मिलते हैं, लेकिन मुझे लगता है कि यह 6331706060 252560981 104156146 43911426 19316309 8713324 40733744337 से 1957 के करीब होना चाहिए।

1
आह, धन्यवाद, @ लेम्बिक, मेरा संपादन स्पीडअप (अगर-स्टेटमेंट को हटाकर) वास्तव में एक बग था। मैंने अपना कोड अपडेट कर दिया है इसलिए यह अभी ठीक होना चाहिए। मैं बाद में एक्लेक्स द्वारा सुझाव का उपयोग करते हुए एक संस्करण पोस्ट करने की कोशिश करूंगा।
अर्ध-बहिर्मुखी

यह भी है कि यह लगता है कि यह!

हां, थोड़ा स्पीडअप मुझे लगता है। मुझे एहसास हुआ कि मैं 1.0 जोड़ रहा था और फिर एक तंग पाश के अंदर 1.0 घटाना।
अर्ध-बहिर्मुखी
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.