Diferencias

Muestra las diferencias entre dos versiones de la página.

--- clase:iabd:pia:1eval:tema02 [2024/01/06 11:59]
admin [Medición de rendimiento]
+++ clase:iabd:pia:1eval:tema02 [2025/03/12 14:36] (actual)
admin [Medición de rendimiento]
@@ Línea 392: / Línea 392: @@
 for key in a.keys():
-    print(key)
+    print(key,a[key])
 </sxh>
 <sxh base>
-nombre
+nombre Juan
-edad
+edad 37
+</sxh>
+  * Recorrer obteniendo clave y valor
+<sxh python>
+for key, value in a.items():
+    print(key,value)
 </sxh>
@@ Línea 649: / Línea 655: @@
 </sxh>
 ===== Medición de rendimiento =====
+Para medir el tiempo que ha tardado algo se usa el método ''perf_counter''.
-=== timeit ===
-IPython es como la forma genérica de los Jupyter Notebooks. Y tiene una serie de órdenes que podemos usar directamente. La orden ''%timeit'' permite saber el tiempo que ha tardado una orden en ejecutarse.
 <sxh python>
-time = %timeit -n1 -r1 -o sum(range(10000000))
+from time import monotonic
-</sxh>
-Lo que hace es calcula el tiempo de ejecutar la orden ''sum(range(1000000000))'' y almacena cuanto ha tardado en ''time''
-Y para imprimirlo, se usa:
-<sxh python>
-print(round(time.average,2),"seg")
-</sxh>
-<sxh base>
-.21 seg
-</sxh>
-Sin embargo el problema de usar ''%timeit'' es que lo que ejecutas no puede devolver un resultado. Es decir que no podríamos saber el resultado de la suma.
-=== perf_counter ===
-Para solucionar el problema anterior podemos simplemente medir nosotros el tiempo que tarda un método en ejecutarse con la función ''perf_counter''.
-<sxh python>
-from time import perf_counter
-t = perf_counter()
+t = monotonic()
 resultado=sum(range(10000000))
-t=perf_counter()-t
+t=monotonic()-t
 print(resultado)
@@ Línea 690: / Línea 674: @@
 El resultado se muestra en segundos
+<note tip>
+El problema de ''perf_counter()'' es que cuenta el tiempo en el que el ordenador está suspendido mientras que ''monotonic()'' no lo hace. Y tampoco cuenta el tiempo que el proceso está suspendido.
+</note>
 Mas información:
+  * [[https://luminousmen.com/post/how-to-not-leap-in-time-using-python/|How to not leap in time using Python]]
   * [[https://morton-kuo.medium.com/ml09-e549b2c26c47|ML09: Measuring Running Time in Python & R]]
 ===== Poetry =====
-Para usar Mish deberemos instalar [[https://www.tensorflow.org/addons/overview|TensorFlow Addons]].
+A veces no quieremos usar conda sino tener una carpeta con todo lo que necesita el proyecto, al estilo de //NodeJS//. En ese caso podemos usar una herramienta llamada [[https://python-poetry.org/|Poetry]]
-Desde conda a veces falla la instalación así que lo recomendable es usar [[https://python-poetry.org/|Poetry]]
-Para usar poetry debemos primero instalarlo en el sistema operativo mediante los comandos:
+  * Instalar poetry
 <sxh bash>
 pip install --user poetry
-poetry config virtualenvs.in-project true
 </sxh>
-Una vez instalado (se puede comprobar con ''poetry --version'') iremos a la carpeta donde tenemos nuestro programa en Python (o donde lo vamos a tener) y ejecutaremos lo siguiente:
+  * Comprobar que tenemos poetry instalado
+<sxh bash>
+poetry --version
+</sxh>
+  * Para decir que las librerías se instalen en nuestra propia carpeta del proyecto.
+<sxh bash>
+poetry config virtualenvs.in-project true
+</sxh>
+  * Para tener un proyecto con python y todas sus dependencias en la misma carpeta haremos lo siguiente:
 <sxh bash>
 poetry init

logongas

Herramientas de usuario

Herramientas del sitio

Diferencias

Herramientas de la página