编程语言
首页 > 编程语言> > 高效编程之 命令式编程/符号式编程

高效编程之 命令式编程/符号式编程

作者:互联网

编程范式,有 命令式 编程、函数式编程、符号式编程 等;

 

python 属于解释性语言,即一句一句执行,然后 中间变量 由于不知道后面是否会用到 都 会被存储,每次 都会重新调用 函数;

python 代码属于   命令式编程;

同时 python  提供了 符号式编程,tensorflow 就是一种符号式编程,其先构建计算图,然后再统一执行计算 ;

符号式编程的特点就是  快。

 

效率对比

命令式编程

def sample_add(a, b):
    return a + b

def sample_fancy_func(a, b, c, d):
    e = sample_add(a, b)
    f = sample_add(c, d)
    g = sample_add(e, f)
    return g

time.clock()
for _ in range(1000):
    print(sample_fancy_func(1, 2, 3, 4))
print(time.clock())     #

 

符号式编程

def add_str():
    """仅以字符串形式返回计算流程"""
    return '''
def add(a, b):
    return a + b
'''

def fancy_func_str():
    """仅以字符串形式返回计算流程"""
    return '''
def fancy_func(a, b, c, d):
    e = add(a, b)
    f = add(c, d)
    g = add(e, f)
    return g
'''

def evoke_str():
    """仅以字符串形式返回计算流程"""
    return add_str() + fancy_func_str() + '''
print(fancy_func(1, 2, 3, 4))
'''

prog = evoke_str()
print(prog)
x = compile(prog, '', 'exec')  # 通过compile函数编译完整的计算流程并运行

time.clock()
for _ in range(1000):
    exec(x)
print(time.clock())     #

自己 可以试下

 

当前的深度学习框架

Theano和受其启发的后来者TensorFlow使用了符号式编程,Chainer和它的追随者PyTorch使用了命令式编程,mxnet使用了使用了命令式和符号式的混合编程:

用户可用纯命令式编程进行开发和调试;当需要产品级别的计算性能和部署时,用户可以将大部分命令式程序转换成符号式程序来运行。

小结

 

 

 

 

参考资料:

https://blog.csdn.net/weixin_42109859/article/details/104858932  命令式和符号式编程

https://www.bbsmax.com/A/D8543ngpJE/

https://www.bilibili.com/video/BV11U4y1o7sX/?spm_id_from=333.788&vd_source=f0fc90583fffcc40abb645ed9d20da32  计算性能-如何让你的pytorch代码高效(torchscript).mp4

标签:高效,return,符号,编程,add,命令式,def
来源: https://www.cnblogs.com/yanshw/p/16559973.html