gmpy2.set_cache 方法如何正确配置？
How is gmpy2.set_cache method correctly configured?
我正在编写一个 python 脚本，该脚本基本上使用非常长的 mpz 整数（来自 gmpy2 库）和一些小列表。除了其他典型的 "pythonic" 代码优化外，我还尝试减少脚本内部计算所需的时间（基本上，它们是 "mul"、"add"、"sub" 计算来自gmpy2) 也通过使用 set_cache 函数，但即使将其设置为最大值，即 set_cache(1000,16384)，我也看不出使用或不使用它有什么区别，时间是大整数相同。
如果有人对 get_cache 的用法有经验，或者设置它更适合哪种操作，我将不胜感激。我只知道 gmpy 官方页面是怎么说的（非常基本），在 Internet 上搜索该方法并没有提供任何有趣的示例（至少我还没有找到它们）
我是 gmpy2 的维护者。
由 set_cache() 和 get_cache() 控制的缓存减少了创建新 mpz 实例所需的时间。这种改进仅适用于中等大小的整数。一旦你开始处理非常大的数字，计算的 运行 时间比对象创建时间长得多，缓存的影响可以忽略不计。
如果缓存算法没有限制缓存对象的大小，你也可以消耗所有的系统内存。这是一个非常早的 alpha 版本的问题。
这些函数主要用于测试。减少或禁用缓存可能对内存有限的系统有用。通常，调整缓存大小没有太大好处。
由于您没有提供任何代码或确定您的操作系统，我只能提供一些通用的性能调整建议。
- 使用
*、+ 和 - 运算符代替 mul()、add() 和 sub()。运营商的开销将减少。
- 尽量减少 Python 的
long 和 gmpy2 的 mpz 类型之间的转换次数。
- 为您的特定处理器编译
gmpy2。不幸的是，这在 Windows. 上可能具有挑战性
我正在编写一个 python 脚本，该脚本基本上使用非常长的 mpz 整数（来自 gmpy2 库）和一些小列表。除了其他典型的 "pythonic" 代码优化外，我还尝试减少脚本内部计算所需的时间（基本上，它们是 "mul"、"add"、"sub" 计算来自gmpy2) 也通过使用 set_cache 函数，但即使将其设置为最大值，即 set_cache(1000,16384)，我也看不出使用或不使用它有什么区别，时间是大整数相同。
如果有人对 get_cache 的用法有经验，或者设置它更适合哪种操作，我将不胜感激。我只知道 gmpy 官方页面是怎么说的（非常基本），在 Internet 上搜索该方法并没有提供任何有趣的示例（至少我还没有找到它们）
我是 gmpy2 的维护者。
由 set_cache() 和 get_cache() 控制的缓存减少了创建新 mpz 实例所需的时间。这种改进仅适用于中等大小的整数。一旦你开始处理非常大的数字，计算的 运行 时间比对象创建时间长得多，缓存的影响可以忽略不计。
如果缓存算法没有限制缓存对象的大小，你也可以消耗所有的系统内存。这是一个非常早的 alpha 版本的问题。
这些函数主要用于测试。减少或禁用缓存可能对内存有限的系统有用。通常，调整缓存大小没有太大好处。
由于您没有提供任何代码或确定您的操作系统，我只能提供一些通用的性能调整建议。
- 使用
*、+和-运算符代替mul()、add()和sub()。运营商的开销将减少。 - 尽量减少 Python 的
long和 gmpy2 的mpz类型之间的转换次数。 - 为您的特定处理器编译
gmpy2。不幸的是，这在 Windows. 上可能具有挑战性