Python優(yōu)化中如何算出每條語句執(zhí)行時間，很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細(xì)講解，有這方面需求的人可以來學(xué)習(xí)下，希望你能有所收獲。

創(chuàng)新互聯(lián)公司專注于高陵企業(yè)網(wǎng)站建設(shè),成都響應(yīng)式網(wǎng)站建設(shè),商城建設(shè)。高陵網(wǎng)站建設(shè)公司,為高陵等地區(qū)提供建站服務(wù)。全流程定制設(shè)計，專業(yè)設(shè)計，全程項目跟蹤，創(chuàng)新互聯(lián)公司專業(yè)和態(tài)度為您提供的服務(wù)

用Python寫的程序，確實在性能上會比其他語言差一些，這是因為Python為了最大化開發(fā)效率，犧牲了一定的運行效率。開發(fā)效率和運行效率往往是魚與熊掌不可兼得的關(guān)系。

不過，程序性能較差有很多原因，并不能全把鍋甩到Python身上，我們應(yīng)該首先從自己的代碼上找原因，找原因最快的方法就是算出自己寫的語句或函數(shù)的執(zhí)行時間。這時候，很多人都會選擇用以下的形式打印出語句的執(zhí)行時間：

這是一種比較低效的做法，如果你有上萬條語句要測試，想用這個方法來找到瓶頸簡直是大海撈針。幸好，得益于Python強(qiáng)大的社區(qū)功能，我們有很多關(guān)于效率的模塊可以使用，今天要介紹的是 line_profiler , 它可以算出函數(shù)里每條語句的占用時間。

我們將使用上次電影人臉識別中的代碼進(jìn)行講解：Python 識別電影中的人臉，不過要注意，這篇推送里的函數(shù)少傳遞了幾個參數(shù)，正確參數(shù)請點擊該推送下方的閱讀原文進(jìn)行查看哦。

1.準(zhǔn)備

Python環(huán)境當(dāng)然是必備的，如果你還沒有安裝Python，可以看這篇文章：超詳細(xì)Python安裝指南。

打開cmd/terminal輸入以下命令安裝line_profile：

pip install line_profiler

windows機(jī)器如果出現(xiàn) Microsoft Visual C++ 14.0 is required 這樣的錯誤，請前往微軟官網(wǎng)，下載vs2015勾選"適用于visual C++2015的公共工具" 進(jìn)行安裝。

如果出現(xiàn)：ModuleNotFoundError: No module named 'skbuild'的情況，請輸入以下命令安裝scikit-build:

pip install scikit-build

實在還是安裝不上的話，可以下載anaconda，輸入以下命令安裝：

conda install -c anaconda line_profiler

2.使用

使用方式非常簡單，比如原來我們在讀取人臉的代碼中，主函數(shù)是這樣的：

我們要測的是read_pic_save_face函數(shù)中所有語句的執(zhí)行時間，只需要這樣調(diào)用line_profiler:

這樣就可以獲得該函數(shù)所有語句的執(zhí)行時間報表。當(dāng)然，它還有許多其他的調(diào)用方法，具體可以看line_profiler說明文檔： 
https://github.com/rkern/line_profiler

3.閱讀報告

line_profiler報告包括幾個部分：

Line: 語句位于第幾行
Hits: 該行被執(zhí)行的次數(shù)
Time: 該語句運行的總時間
Per Hit: 該語句運行一次的平均耗時
% Time: 該語句占總時間的比重

可以看到，我們的這份代碼主要是在face_cascade.detectMultiScale 耗時最久，這是opencv的分類器執(zhí)行效率問題。知道了是這里的效率問題，優(yōu)化就有一個目標(biāo)了。

這一部分的優(yōu)化，我們可以從硬件方面入手，讓OpenCV在GPU上運行算法，這樣做性能將遠(yuǎn)超在CPU上運行的性能，這是絕招。其次就是利用多線程計算（沒試過，不確定是否有用，或許下次可以試一下）。

看完上述內(nèi)容是否對您有幫助呢？如果還想對相關(guān)知識有進(jìn)一步的了解或閱讀更多相關(guān)文章，請關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝您對創(chuàng)新互聯(lián)的支持。