Nano Hash - криптовалюты, майнинг, программирование

Использование @code_warntype в Джулии

При попытке написать типостабильный код, исследуя использование @code_warntype, должен ли я беспокоиться только о том, чтобы не иметь никаких Any или Union в разделе переменных, или я должен также проверить раздел тела?

26.11.2015

Ответы:


1

В зависимости от вашей версии julia, @code_warntype иногда может помечать определенные выражения как безобидные. Немного потренировавшись, вы сможете легко распознавать эти выражения (например, они часто имеют отношение к поиску модуля/имени).

Самый простой путь, как говорит Реза, состоит в том, чтобы посмотреть на раздел переменных и возвращаемый тип функции; если вы не видите каких-либо количеств неопределенного типа (либо Any, либо Unions), вам, вероятно, не о чем беспокоиться. Если вы хотите копнуть глубже, начните пытаться понять выражения тела, которые он помечает. Для обучения полезно сравнить результаты с результатами, полученными с помощью track-allocation, поскольку истинная нестабильность типов связана с выделением памяти.

Тем не менее, я думаю, что проблемы с @code_warntype были исправлены на текущем мастере, поэтому в любом случае следующий выпуск julia должен упростить интерпретацию.

26.11.2015
  • Спасибо, единственное, что я использую Jupyter, поэтому для использования track-allocation мне пришлось бы переключиться на REPL... 26.11.2015
  • Вы также можете использовать профайлер; в ProfileView операторы, которые выделяют много ресурсов, как правило, связаны со сборкой мусора, а строки, запускающие сборку мусора, выделяются красным цветом. 27.11.2015

  • 2

    Обычно нет необходимости искать в части body так называемые нелистовые типы, потому что code_warntype основная задача состоит в том, чтобы сделать эту работу за вас (проверьте источник). Но часть тела содержит больше информации о том, где и как эти нелистовые использовались.

    Использованная литература:

    1. code_warntype(f, types) в документации.
    2. Источник code_warntype(f, types).
    26.11.2015
  • Даже когда я вижу несколько Any в теле? 26.11.2015

  • 3

    @code_warntype также сообщает об объектах Core.NewVarNode относительно некоторых переменных. Я считаю, что без каких-либо мер эти сообщения о дополнительных выделениях памяти не приветствуются во внутренних циклах, где могут возникать частые выделения памяти. Я обычно проверяю код только в том случае, если переменная отображается как Union{} в списке переменных в выводе вывода типа. Это означает, что ошибка произойдет при выполнении до того, как переменная достигнет значения.

    18.11.2019
    Новые материалы

    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..