作者 |
費弗裡
我們即將學習的是:
一行程式碼分析Python程式碼行級別記憶體消耗
。
很多情況下,我們需要對已經寫好的
Python
程式的記憶體消耗進行最佳化,但是一段程式碼在執行過程中的記憶體消耗是動態變化的,這種時候就可以用到
memory_profiler
這個第三方庫,它可以幫助我們分析記錄
Python
指令碼中,執行到每一行時,記憶體的消耗及波動變化情況。
memory_profiler
的使用方法超級簡單,使用
pip install memory_profiler
完成安裝後,只需要從
memory_profiler
匯入
profile
並作為要分析的目標函式的裝飾器即可,譬如下面這個例子:
❝
demo。py
❞
import numpy as npfrom memory_profiler import profile
@profile
defdemo():
a = np。random。rand(10000000) b = np。random。rand(10000000)
a_ = a[a
b_ = b[a
del a, breturn a_, b_if __name__ == ‘__main__’:
demo()
接著在終端執行
python demo。py
,稍事等待後,就會看到打印出的分析結果報告(這裡我是在
jupyter lab
裡執行的終端命令):
其中
Line #
列記錄了分析的各行程式碼具體行位置,
Mem usage
列記錄了當程式執行到該行時,當前程序佔用記憶體的量,
Increment
記錄了當前行相比上一行記憶體消耗的變化量,
Occurrences
記錄了當前行的執行次數(迴圈、列表推導等程式碼行會記作多次),
Line Contents
列則記錄了具體對應的行程式碼。
透過這樣細緻的記憶體分析結果,我們就能有的放矢地最佳化我們的程式碼啦~
本期分享結束,咱們下回見~