En Python il est intéressant d’afficher le temps d’exécution de son code, cela donne une idée de la rapidité de notre algorithme.
C’est pour cela qu’on va voir dans cet article comment faire !
Temps d’exécution
Format brut
Tout d’abord je vous propose d’afficher le temps d’exécution au format brut.
Pour cela on utilise le package time.
En fait, on va simplement stocker l’heure qu’il est lorsque l’on enclenche notre algorithme.
Ensuite, l’algorithme s’exécute (ici on a choisit de répéter la carré de i).
Puis on soustrait le temps actuel au temps que l’on avait stocké :
import time
start = time.time()
for i in range(10000):
i**i
print(time.time() - start)Sortie : 6.517595529556274
Cela nous donne tout simplement la durée qui s’est déroulé entre le début et la fin de l’exécution.
Ici, 6.5 secondes.
Format HH:MM:SS
Pour avoir un format plus intuitif, on peut aussi utiliser la fonction ctime().
Cette fonction va simplement nous permettre de convertir le format brut en format date & temps.
Une fois ce format date & temps obtenue, on extrait seulement les heures, les minutes et les secondes.
Cela nous donne :
import time
start = time.time()
for i in range(10000):
i**i
print(time.ctime(time.time() - start)[11:19])Sortie : 00:00:06
Personnellement, je trouve ce dernier format facilement compréhensible et le privilégie dans mes algos de Machine Learning.
Prenez celui qui convient le mieux à vos besoins !
C’est tout pour cet article !
N’hésitez à consulter nos autres astuces pour développeur Python.
sources :
- Photo by Elisa Michelet on Unsplash
Un dernier mot, si tu veux aller plus loin et apprendre le Deep Learning - j’ai préparé pour toi le Plan d’action pour Maîtriser les Réseaux de neurones.
7 jours de conseils gratuits d’un ingénieur spécialisé en Intelligence Artificielle pour apprendre à maîtriser les réseaux de neurones à partir de zéro :
- Planifie ton apprentissage
- Structure tes projets
- Développe tes algorithmes d’Intelligence Artificielle
J’ai basé ce programme sur des faits scientifiques, des approches éprouvées par des chercheurs mais également mes propres techniques que j'ai conçues au fil de mes expériences dans le domaine du Deep Learning.
Pour y accéder, clique ici :
