From 4308c7afea772dc4e25115ce6918ff8f03af777f Mon Sep 17 00:00:00 2001 From: YeLynn0401 Date: Tue, 29 Nov 2016 17:29:47 +0800 Subject: [PATCH] Update p14_make_your_program_run_faster.rst --- source/c14/p14_make_your_program_run_faster.rst | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) diff --git a/source/c14/p14_make_your_program_run_faster.rst b/source/c14/p14_make_your_program_run_faster.rst index 1f6afc6a..49bfbf8c 100644 --- a/source/c14/p14_make_your_program_run_faster.rst +++ b/source/c14/p14_make_your_program_run_faster.rst @@ -211,7 +211,7 @@ 选择一个复杂度为 O(n log n) 的算法要比你去调整一个复杂度为 O(n**2) 的算法所带来的性能提升要大得多。 如果你觉得你还是得进行优化，那么请从整体考虑。 -作为一般准则，不要对程序的每一个部分都去优化,因为这些修改回导致代码难以阅读和理解。 +作为一般准则，不要对程序的每一个部分都去优化,因为这些修改会导致代码难以阅读和理解。 你应该专注于优化产生性能瓶颈的地方，比如内部循环。 你还要注意微小优化的结果。例如考虑下面创建一个字典的两种方式： @@ -240,6 +240,6 @@ Numba是一个在你使用装饰器来选择Python函数进行优化时的动态 这些函数会使用LLVM被编译成本地机器码。它同样可以极大的提升性能。 但是，跟PyPy一样，它对于Python 3的支持现在还停留在实验阶段。 -最后我引用John Ousterhout说过的话作为结尾：“最好的性能优化时从不工作到工作状态的迁移”。 +最后我引用John Ousterhout说过的话作为结尾：“最好的性能优化是从不工作到工作状态的迁移”。 直到你真的需要优化的时候再去考虑它。确保你程序正确的运行通常比让它运行更快要更重要一些（至少开始是这样的）.