编程|胡渊鸣：import一个“太极”库让Python代码提速100倍！语言|Python|胡渊鸣：import一个“

众所周知， Python的简单和易读性是靠牺牲性能为代价的——
尤其是在计算密集的情况下，比如多重for循环。
不过现在，大佬胡渊鸣说了：
只需import 一个叫做“Taichi”的库，就可以把代码速度提升100倍！

文章图片

不信？
来看三个例子。
计算素数的个数，速度x120
第一个例子非常非常简单，求所有小于给定正整数N的素数。
标准答案如下：

文章图片

我们将上面的代码保存，运行。
当N为100万时，需要2.235s得到结果：

文章图片

现在，我们开始施魔法。
不用更改任何函数体， import“taichi”库，然后再加两个装饰器：

文章图片

Bingo！同样的结果只要0.363s ，快了将近6倍。

文章图片

如果N=1000万，则只要0.8s；要知道，不加它可是55s ，一下子又快了70倍！
不止如此，我们还可以在ti.init()中加个参数变为ti.init(arch=ti.gpu) ，让taich在GPU上进行计算。
那么此时，计算所有小于1000万的素数就只耗时0.45s了，与原来的Python代码相比速度就提高了120倍！
厉不厉害？
什么？你觉得这个例子太简单了，说服力不够？我们再来看一个稍微复杂一点的。
动态规划，速度x500
动态规划不用多说，作为一种优化算法，通过动态存储中间计算结果来减少计算时间。
我们以经典教材《算法导论》中的经典动态规划案例“最长公共子序列问题（LCS）”为例。
比如对于序列a = [0, 1, 0, 2, 4, 3, 1, 2, 1]和序列b = [4, 0, 1, 4, 5, 3, 1, 2] ，它们的LCS就是：
LCS(a, b) = [0, 1, 4, 3, 1, 2] 。
用动态规划的思路计算LCS ，就是先求解序列a的前i个元素和序列b的前j个元素的最长公共子序列的长度，然后逐步增加i或j的值，重复过程，得到结果。
我们用f[i, j]来指代这个子序列的长度，即LCS((prefix(a, i), prefix(b, j) 。其中prefix(a, i) 表示序列a的前i个元素，即a[0], a[1], …, a[i - 1] ，得到如下递归关系：

文章图片

完整代码如下：

文章图片

现在，我们用Taichi来加速：

文章图片

结果如下：

编程|胡渊鸣：import一个“太极”库 让Python代码提速100倍！

编程|胡渊鸣：import一个“太极”库让Python代码提速100倍！