C++ vs Python vs JavaScript vs Julia
今回は、Gaussの消去法を使って、C++、Python、JavaScript、Juliaの計算時間を計測しました。
Pythonに関しては、JITコンパイラであるNumba無しと有りでどうなるかを評価しました。
また、Numbaで@numba.jitを付けた関数を2回以上呼び出した場合、1回目と2回目以降では計算速度が異なります。2回目以降はcacheから関数を呼び出すため高速になるので、これについても評価しました。
〈テスト環境〉
・CPU:Intel Celeron Processor 1005M(1.9GHz)
・OS:Lubuntu 20.04.4
・Python 3.8.10
・Numpy 1.21.1
・Numba 0.55.1
・llvmlite 0.38.0
結果は表1のようになりました。
PythonはNumba無しからNumba有りにすると、1回目の計算では350倍、2回目の計算では570倍高速化しました。
また、JavaScript(V8)が意外と健闘しました。Windows 8.1ではJuliaよりもわずかに速かったです。V8もNumbaと同様に2回目以降の計算を高速化してくれると嬉しいのですが。。。
Juliaに関してはC++と同レベルだと思っていただけにちょっと残念な結果に終わりましたが、ベクトルや行列の演算ができるので、今後AIの分野での利用が拡大するのではないかと思います。
注)Pythonでクラスの中の関数(メソッド)に@numba.jitを付けるとWarningが表示され高速化できなかったです。
注)Juliaの計算では2次元配列 Array{Float64, 2}:a[i, j] ではなく、配列の配列 Vector{Vector{Float64}}:a[i][j] を用いています。2次元配列を用いた場合、計算時間が6.888756secとなり、8倍以上遅くなりました。
?)gauss.pyのプログラム(Numba有り)で、set(a, b)、solve(a, b) を set(n, a, b)、solve(n, a, b) にすると十数%遅くなりました。
また、#n = len(a) で # を外しても十数%遅くなりました。どうしてこんなに遅くなるのでしょう?
プログラミング言語 | 計算時間 | C++を1としたときの計算時間 |
---|---|---|
C++(Clang) | 0.508967 sec | 1.000 |
Python(Numba無し1回目の計算) | 377.815687 sec | 742.319 |
Python(Numba無し2回目の計算) | 378.716451 sec | 744.088 |
Python(Numba有り1回目の計算) | 1.074311 sec | 2.111 |
Python(Numba有り2回目の計算) | 0.655199 sec | 1.287 |
JavaScript(Node.js:V8) | 0.998315 sec | 1.961 |
Julia | 0.796610 sec | 1.565 |
Gaussの消去法は連立一次方程式の解法の一つです。今回のプログラムではピボットを選択しない方法を採用しているので、対角要素に0がある場合は使えません。 プログラムでは、係数行列は対角要素より下の要素は0、それ以外の要素は1、非同次項は全ての要素を1に設定しています。
a x = b
a:係数行列(n×nの正方行列)
b:非同次項(n次元の列ベクトル)
x:求める解(n次元の列ベクトル)
今回、計算時間を計測するに当たって用いたプログラムは以下のようになります。
/*
$ sudo apt update
$ sudo apt install clang -y
$ clang++ gauss.cpp -o gauss -O3
$ ./gauss
*/
#include <chrono>
#include <cstdio>
class Gauss {
static const int n = 1000;
double a[n][n] = {{}};
double b[n] = {};
public:
auto set(double a, double b) -> void {
for (int i = 0; i < n; i++) {
for (int j = i; j < n; j++) {
this->a[i][j] = a;
}
this->b[i] = b;
}
}
auto solve() -> void {
for (int k = 0; k < n - 1; k++) {
for (int i = k + 1; i < n; i++) {
const double s = a[i][k] / a[k][k];
for (int j = k + 1; j < n; j++) {
a[i][j] -= s * a[k][j];
}
b[i] -= s * b[k];
}
}
for (int i = n - 1; i >= 0; i--) {
for (int j = i + 1; j < n; j++) {
b[i] -= a[i][j] * b[j];
}
b[i] /= a[i][i];
}
}
auto print() -> void {
for (int i = 0; i < n; i++) {
printf("x[%d] = %.10E\n", i, b[i]);
}
}
};
auto main() -> int {
const auto gauss = new Gauss;
gauss->set(1, 1);
const auto start = std::chrono::system_clock::now();
gauss->solve();
const auto stop = std::chrono::system_clock::now();
gauss->print();
printf("%.6f%s\n", 0.000001 * std::chrono::duration_cast<std::chrono::microseconds>(stop - start).count(), "sec");
delete gauss;
}
下記のNumba有り(JIT有り)のプログラムで@numba.jitをコメントアウトすれば、Numba無し(JIT無し)のプログラムになります。
また、@numba.jit(cache=True)の方を有効にすると、2回目のプログラムの実行から1回目以降の計算をcacheから呼び出して高速化します。
"""
$ sudo apt update
$ sudo apt install python3 python3-pip -y
$ pip3 install numba==0.55.1 numpy==1.21.1
$ python3 gauss.py
"""
import numba
import numpy as np
import time
@numba.jit
#@numba.jit(cache=True)
def set(a, b, a0, b0):
#n = len(a)
for i in range(n):
for j in range(i, n):
a[i][j] = a0
b[i] = b0
@numba.jit
#@numba.jit(cache=True)
def solve(a, b):
#n = len(a)
for k in range(n - 1):
for i in range(k + 1, n):
s = a[i][k] / a[k][k]
for j in range(k + 1, n):
a[i][j] -= s * a[k][j]
b[i] -= s * b[k]
for i in range(n - 1, - 1, - 1):
for j in range(i + 1, n):
b[i] -= a[i][j] * b[j]
b[i] /= a[i][i]
def printf(b):
for i in range(len(b)):
print(f"x[{i}] = {b[i]:.10E}")
#1回目の計算
n = 1000
a = np.zeros((n, n))
b = np.zeros(n)
set(a, b, 1, 1)
start = time.time()
solve(a, b)
stop = time.time()
#printf(b)
print(f"{(stop - start):.6f}sec")
#2回目の計算
n = 1000
a = np.zeros((n, n))
b = np.zeros(n)
set(a, b, 1, 1)
start = time.time()
solve(a, b)
stop = time.time()
#printf(b)
print(f"{(stop - start):.6f}sec")
/*
$ sudo apt update
$ sudo apt install npm -y
$ sudo npm install n -g
$ sudo n stable
$ node gauss.js
*/
/*
$ sudo apt update
$ sudo apt install curl -y
$ curl https://bun.sh/install | bash
$ export PATH=~/.bun/bin:$PATH
$ bun gauss.js
*/
"use strict";
const performance = require("perf_hooks").performance;
class Gauss {
constructor(n) {
this.a = Array(n).fill().map(() => new Float64Array(n).fill(0));
this.b = new Float64Array(n).fill(0);
}
set(a, b) {
const n = this.a.length;
for (let i = 0; i < n; i++) {
for (let j = i; j < n; j++) {
this.a[i][j] = a;
}
this.b[i] = b;
}
}
solve() {
const n = this.a.length;
for (let k = 0; k < n - 1; k++) {
for (let i = k + 1; i < n; i++) {
const s = this.a[i][k] / this.a[k][k];
for (let j = k + 1; j < n; j++) {
this.a[i][j] -= s * this.a[k][j];
}
this.b[i] -= s * this.b[k];
}
}
for (let i = n - 1; i >= 0; i--) {
for (let j = i + 1; j < n; j++) {
this.b[i] -= this.a[i][j] * this.b[j];
}
this.b[i] /= this.a[i][i];
}
}
print() {
for (const i in this.b) {
console.log(`x[${i}] = ${this.b[i].toExponential(10)}`);
}
}
}
const gauss = new Gauss(1000);
gauss.set(1, 1);
const start = performance.now();
gauss.solve();
const stop = performance.now();
gauss.print();
console.log(`${(0.001 * (stop - start)).toFixed(6)}sec`);
Juliaにはclassがないのですが、structを使ってオブジェクト指向風に書いてみました。 上記のJavaScriptのプログラムと比較すると、オブジェクトobjに付随するメソッドmの呼び出しが、構造体strを引数に持つ関数fの呼び出しに変わったのがわかると思います。
obj.m(args) → f(str, args)
#=
$ sudo apt update
$ sudo apt install julia -y
$ julia gauss.jl
=#
using Printf
struct Gauss
a::Vector{Vector{Float64}}
b::Vector{Float64}
end
function Gauss(n::Int)
a = [zeros(Float64, n) for i = 1 : n]
b = zeros(Float64, n)
Gauss(a, b)
end
function set!(gauss::Gauss, a::Float64, b::Float64)
n = length(gauss.a)
for i = 1 : n
for j = i : n
gauss.a[i][j] = a
end
gauss.b[i] = b
end
end
function solve!(gauss::Gauss)
n = length(gauss.a)
for k = 1 : n - 1
for i = k + 1 : n
s = gauss.a[i][k] / gauss.a[k][k]
for j = k + 1 : n
gauss.a[i][j] -= s * gauss.a[k][j]
end
gauss.b[i] -= s * gauss.b[k]
end
end
for i = n : - 1 : 1
for j = i + 1 : n
gauss.b[i] -= gauss.a[i][j] * gauss.b[j]
end
gauss.b[i] /= gauss.a[i][i]
end
end
function print(gauss::Gauss)
for i = 1 : length(gauss.b)
@printf("x[%d] = %.10E\n", i, gauss.b[i])
end
end
const gauss = Gauss(1000)
set!(gauss, 1.0, 1.0)
@time begin
solve!(gauss)
end
#print(gauss)
注)Vector{Float64}はArray{Float64, 1}と同じです。
注)Juliaでは引数に渡された変数を変更する関数(破壊的な関数)には関数名の最後に!を付けるそうですが、付けなくてもエラーにはなりません。
♦処理系のインストールと実行
今回は、Lubuntu 20.04.4 LTS(Focal Fossa)でテストしました。Lubuntuは、ダウンロードサイトからISOファイルをダウンロードし、ISOファイルを開き、その中身を全てフォーマット済みのUSBメモリにコピーして、F12キーを連打しながら再起動(途中でUSBメモリを挿入したドライブを選択)すれば使えるようになります。 この状態でソフトウェアのインストールが可能です。但し、ディスクではなくメモリにインストールされるだけなので、シャットダウンすれば消えてしまいます。
〈Clangのインストールと実行〉
$ sudo apt update $ sudo apt install clang -y $ clang++ gauss.cpp -o gauss -O3 $ ./gauss
〈PythonとNumbaのインストールと実行〉
$ sudo apt update $ sudo apt install python3 python3-pip -y $ pip3 install numba==0.55.1 numpy==1.21.1 $ python3 gauss.py
注)Numpyはバージョンによってインストール時にエラーになることがあります。numpy-1.21.1はOKでした。
〈Node.jsのインストールと実行〉
$ sudo apt update $ sudo apt install npm -y $ sudo npm install n -g $ sudo n stable $ node gauss.js
〈Bunのインストールと実行〉
$ sudo apt update $ sudo apt install curl -y $ curl https://bun.sh/install | bash $ export PATH=~/.bun/bin:$PATH $ bun gauss.js
〈Juliaのインストールと実行〉
$ sudo apt update $ sudo apt install julia -y $ julia gauss.jl
参考記事