Différences

Ci-dessous, les différences entre deux révisions de la page.

--- python:optimisation_python [2017/11/24 15:31] – marc dexet
+++ python:optimisation_python [2017/11/24 15:41] (Version actuelle) – [Optimisation en Python] marc dexet
@@ Ligne 4: / Ligne 4: @@
 C'est une démarche délicate et parfois chronophage.
-Il faut parfois évaluer le coût de l'optimisation au regard du bénéfice obtenu.
+**Il faut parfois évaluer le coût de l'optimisation au regard du bénéfice obtenu.**
 ===== Attention à l'optimisation prématurée =====
@@ Ligne 16: / Ligne 16: @@
 Cela signifie que chercher l'optimisation avant de s'être assurer que le code fait bien ce que l'on attend de lui est contre-productif et met en péril la maintenabilité du code.
-===== Le bon outil pour le bon usage =====
+==== Le bon outil pour le bon usage ====
 Une  exception notable est la manipulation d'ensembles de valeurs //qui peuvent devenir conséquents// avec les seules types python (dict, list, ...).
@@ Ligne 22: / Ligne 22: @@
 Pour le calcul, Python n'est pas un outil très pertinent. Il est nécessaire de s'appuyer sur des librairies spécialisées comme http://www.numpy.org/ qui sont écrites en C++.
+====== Les anti-patterns ======
+TBD:  mettre ici les doubles boucles python
+====== Les solutions ======
+TBD: refaire le benchmarking
+===== Numba =====
+https://github.com/numba/numba
+TBD: Expliquer le contexte
+<code python>
+from numba import jit
+@jit
+def ma_function_a_optimiser():
+   ...
+</code>

incodewetrust.ias.u-psud.fr