1. Domácí úkol: Porovnání

Toto porovnání není finální, jde o odevzdání po měkkém deadline.

using DataFrames, CSV, PyPlot

** (process:8161): WARNING **: 14:10:24.419: Failed to load shared library 'libgtk-4.so.1' referenced by the typelib: /usr/bin/../lib/julia/libstdc++.so.6: version `GLIBCXX_3.4.30' not found (required by /usr/bin/../lib/libicuuc.so.72)

Import naměřených dat.

data = CSV.read("files/benchmark01.csv", DataFrame);
data[!, :score] = zeros(Int64, nrow(data));

Čas v původních datech je měřen v nanosekundách, paměť v bytech. Každá hodnota je medián několika běhů benchmarku z balíčku BechmarkTools.jl. Všechny výpočty běží na stejných předem vygenerovaných polynomech.

Komentář k jednotlivých sloupců je v příslušné sekci níže.

data = coalesce.(data, 1e10)

23×10 DataFrame

Row	username	multi_time	multi_mem	add_time	add_mem	div_time	div_mem	eval_time	eval_mem	score
	String15	Float64	Float64	Float64	Float64	Float64	Float64	Float64	Float64	Int64
1	kalvotom	1.1556e6	12160.0	6635.79	12288.0	55909.0	12336.0	1289.1	0.0	0
2	Zuhgan	1.10953e6	12160.0	4444.88	8464.0	427382.0	12624.0	720.19	0.0	0
3	Yargug	1.0e10	1.0e10	1.0e10	1.0e10	1.0e10	1.0e10	1.0e10	1.0e10	0
4	Seakgu	1.0e10	1.0e10	1.0e10	1.0e10	1.0e10	1.0e10	1.0e10	1.0e10	0
5	Shum	1.22777e6	12192.0	8767.9	20608.0	5.24856e5	16496.0	722.333	0.0	0
6	Parfu	1.15415e6	12160.0	13552.5	22432.0	1.88549e8	2.49252e7	1436.7	0.0	0
7	Quordud	1.15525e6	12160.0	6218.86	8608.0	1.73204e8	9.54898e6	1295.7	0.0	0
8	Borkul	129986.0	12160.0	6096.44	8128.0	2.419e7	1.27857e7	1201.6	0.0	0
9	Jogug	9.48704e5	12160.0	3384.11	8128.0	3.42316e6	7.01357e6	623.306	0.0	0
10	Guarg	1.0e10	1.0e10	1.0e10	1.0e10	1.0e10	1.0e10	1.0e10	1.0e10	0
11	Wauktug	1.18684e6	12160.0	4335.38	8128.0	6.48217e6	1.39189e7	723.027	0.0	0
12	Ugghra	1.27664e5	12160.0	3372.67	8128.0	2.53291e7	1.39273e7	13162.0	0.0	0
13	Gilaktug	924454.0	12160.0	2695.67	8128.0	3.97884e6	1.04558e7	669.952	0.0	0
14	Xomkug	1.13687e6	12160.0	620.225	0.0	71018.0	12336.0	1198.9	0.0	0
15	Xunaakt	2.04755e7	5.64059e7	9222.17	21184.0	6.44727e9	2.82093e9	19998.0	0.0	0
16	Saghig	1.15524e6	12160.0	4609.94	8464.0	254894.0	12672.0	697.203	0.0	0
17	Zahgorim	821738.0	12160.0	3860.22	8464.0	100349.0	12624.0	721.922	0.0	0
18	Saraugug	3.48882e7	2.88922e7	7554.83	20416.0	3.1457e6	6.27283e6	721.247	0.0	0
19	Xig	876879.0	12192.0	4595.57	8160.0	4.39854e5	16832.0	1292.0	0.0	0
20	Epkagut	1.16356e6	12160.0	4230.28	8128.0	1.42546e8	1.17047e7	22160.0	0.0	0
21	Magub	1.0e10	1.0e10	1.0e10	1.0e10	1.0e10	1.0e10	1.0e10	1.0e10	0
22	Bugharz	1.14116e6	12160.0	2566.7	9414.0	1.4849e8	1.15893e7	1380.3	0.0	0
23	Zulgha	6.07996e6	1.24922e7	3885.5	8128.0	1.93428e9	3.15093e9	1292.5	0.0	0

Poznámky

Vedle studentů je v tabulce i můj řádek (kalvotom).
Pro lepší porovnání časů provedem vždy relativní porovnání s nejrychlejším časem. Měníme proto hodnoty a význam časových sloupců!

Násobení polynomů s `Float64` koeficienty

Konkrétně násobíme polynomy stupně 1000 a 500 s koeficienty mezi -2 a 2.

data[!, :multi_time] /= minimum(data.multi_time);
sort!(data, [:multi_time]);

for k in axes(data, 1)
    data[k, :score] += k
end

data[:, Cols(:username, :multi_time, :multi_mem, :score)]

23×4 DataFrame

Row	username	multi_time	multi_mem	score
	String15	Float64	Float64	Int64
1	Ugghra	1.0	12160.0	1
2	Borkul	1.01818	12160.0	2
3	Zahgorim	6.4367	12160.0	3
4	Xig	6.86862	12192.0	4
5	Gilaktug	7.24128	12160.0	5
6	Jogug	7.43123	12160.0	6
7	Zuhgan	8.69099	12160.0	7
8	Xomkug	8.90514	12160.0	8
9	Bugharz	8.93872	12160.0	9
10	Parfu	9.04048	12160.0	10
11	Saghig	9.049	12160.0	11
12	Quordud	9.04914	12160.0	12
13	kalvotom	9.05182	12160.0	13
14	Epkagut	9.11423	12160.0	14
15	Wauktug	9.29659	12160.0	15
16	Shum	9.61713	12192.0	16
17	Zulgha	47.6245	1.24922e7	17
18	Xunaakt	160.385	5.64059e7	18
19	Saraugug	273.28	2.88922e7	19
20	Yargug	78330.3	1.0e10	20
21	Seakgu	78330.3	1.0e10	21
22	Guarg	78330.3	1.0e10	22
23	Magub	78330.3	1.0e10	23

Relativní porovnání rychlosti běhu vzhledem k nejrychlejšímu řešení.

plt.grid()
bar(axes(data.multi_time[1:19], 1), data.multi_time[1:19], tick_label=data.username[1:19])
plt.xticks(rotation=80);

Odhad alokace paměti (v bytech).

plt.grid()
bar(axes(data.multi_mem[1:19], 1), data.multi_mem[1:19], tick_label=data.username[1:19])
plt.xticks(rotation=80);

Sčítání polynomů s `Float64` koeficienty

Opět polynomy stupně 1000 a 500 s koeficienty mezi -2 a 2.

data[!, :add_time] /= minimum(data.add_time);
sort!(data, [:add_time]);

for k in axes(data, 1)
    data[k, :score] += k
end

data[:, Cols(:username, :add_time, :add_mem, :score)]

23×4 DataFrame

Row	username	add_time	add_mem	score
	String15	Float64	Float64	Int64
1	Xomkug	1.0	0.0	9
2	Bugharz	4.13834	9414.0	11
3	Gilaktug	4.34627	8128.0	8
4	Ugghra	5.43781	8128.0	5
5	Jogug	5.45627	8128.0	11
6	Zahgorim	6.22391	8464.0	9
7	Zulgha	6.26466	8128.0	24
8	Epkagut	6.82056	8128.0	22
9	Wauktug	6.99001	8128.0	24
10	Zuhgan	7.16656	8464.0	17
11	Xig	7.40953	8160.0	15
12	Saghig	7.43269	8464.0	23
13	Borkul	9.8294	8128.0	15
14	Quordud	10.0268	8608.0	26
15	kalvotom	10.699	12288.0	28
16	Saraugug	12.1808	20416.0	35
17	Shum	14.1366	20608.0	33
18	Xunaakt	14.8691	21184.0	36
19	Parfu	21.851	22432.0	29
20	Yargug	1.61232e7	1.0e10	40
21	Seakgu	1.61232e7	1.0e10	42
22	Guarg	1.61232e7	1.0e10	44
23	Magub	1.61232e7	1.0e10	46

Relativní porovnání rychlosti běhu vzhledem k nejrychlejšímu řešení.

plt.grid()
bar(axes(data.add_time[1:19], 1), data.add_time[1:19], tick_label=data.username[1:19])
plt.xticks(rotation=80);

Odhad alokace paměti (v bytech).

plt.grid()
bar(axes(data.add_mem[1:19], 1), data.add_mem[1:19], tick_label=data.username[1:19])
plt.xticks(rotation=80);

Dělení polynomu polynomem s koeficienty `Float64`

Opět dělení polynomu stupně 1000 polynomem stupně 500, koeficienty mezi -2 a 2.

data[!, :div_time] /= minimum(data.div_time);
sort!(data, [:div_time]);

for k in axes(data, 1)
    data[k, :score] += k
end

data[:, Cols(:username, :div_time, :div_mem, :score)]

23×4 DataFrame

Row	username	div_time	div_mem	score
	String15	Float64	Float64	Int64
1	kalvotom	1.0	12336.0	29
2	Xomkug	1.27024	12336.0	11
3	Zahgorim	1.79486	12624.0	12
4	Saghig	4.55909	12672.0	27
5	Zuhgan	7.64424	12624.0	22
6	Xig	7.86731	16832.0	21
7	Shum	9.38767	16496.0	40
8	Saraugug	56.2647	6.27283e6	43
9	Jogug	61.2273	7.01357e6	20
10	Gilaktug	71.1663	1.04558e7	18
11	Wauktug	115.941	1.39189e7	35
12	Borkul	432.668	1.27857e7	27
13	Ugghra	453.042	1.39273e7	18
14	Epkagut	2549.6	1.17047e7	36
15	Bugharz	2655.92	1.15893e7	26
16	Quordud	3097.97	9.54898e6	42
17	Parfu	3372.42	2.49252e7	46
18	Zulgha	34597.0	3.15093e9	42
19	Xunaakt	1.15317e5	2.82093e9	55
20	Yargug	1.78862e5	1.0e10	60
21	Seakgu	1.78862e5	1.0e10	63
22	Guarg	1.78862e5	1.0e10	66
23	Magub	1.78862e5	1.0e10	69

Relativní porovnání rychlosti běhu vzhledem k nejrychlejšímu řešení.

plt.grid()
bar(axes(data.div_time[1:18], 1), data.div_time[1:18], tick_label=data.username[1:18])
plt.xticks(rotation=80);

Odhad alokace paměti (v bytech).

plt.grid()
bar(axes(data.div_mem[1:18], 1), data.div_mem[1:18], tick_label=data.username[1:18])
plt.xticks(rotation=80);

Výpočet funkční hodnoty polynomy s `Float64` koeficienty

Polynom stupně 500 s koeficienty mezi -2 a 2.

data[!, :eval_time] /= minimum(data.eval_time);
sort!(data, [:eval_time]);

for k in axes(data, 1)
    data[k, :score] += k
end

data[:, Cols(:username, :eval_time, :eval_mem, :score)]

23×4 DataFrame

Row	username	eval_time	eval_mem	score
	String15	Float64	Float64	Int64
1	Jogug	1.0	0.0	21
2	Gilaktug	1.07484	0.0	20
3	Saghig	1.11856	0.0	30
4	Zuhgan	1.15543	0.0	26
5	Saraugug	1.15713	0.0	48
6	Zahgorim	1.15821	0.0	18
7	Shum	1.15887	0.0	47
8	Wauktug	1.15999	0.0	43
9	Xomkug	1.92345	0.0	20
10	Borkul	1.92778	0.0	37
11	kalvotom	2.06817	0.0	40
12	Xig	2.07282	0.0	33
13	Zulgha	2.07362	0.0	55
14	Quordud	2.07875	0.0	56
15	Bugharz	2.21448	0.0	41
16	Parfu	2.30497	0.0	62
17	Ugghra	21.1164	0.0	35
18	Xunaakt	32.0838	0.0	73
19	Epkagut	35.5524	0.0	55
20	Yargug	1.60435e7	1.0e10	80
21	Seakgu	1.60435e7	1.0e10	84
22	Guarg	1.60435e7	1.0e10	88
23	Magub	1.60435e7	1.0e10	92

plt.grid()
bar(axes(data.eval_time[1:18], 1), data.eval_time[1:18], tick_label=data.username[1:18])
plt.xticks(rotation=80);

plt.grid()
bar(axes(data.eval_mem[1:18], 1), data.eval_mem[1:18], tick_label=data.username[1:18])
plt.xticks(rotation=80);

Skóre (čím menší hodnota, tím lépe)

sort!(data, :score)
data[:, :points] = zeros(Int64, nrow(data))

n = 0
for k in axes(data, 1)
    # kalvotom se nepočíta, zbývá 13 studentů
    if data[k, :username] == "kalvotom"
        continue
    end
    
    data[k, :points] = 5 - div(n, 4)
    n += 1
end

data[:, Cols(:username, :score, :points)]

23×3 DataFrame

Row	username	score	points
	String15	Int64	Int64
1	Zahgorim	18	5
2	Gilaktug	20	5
3	Xomkug	20	5
4	Jogug	21	5
5	Zuhgan	26	4
6	Saghig	30	4
7	Xig	33	4
8	Ugghra	35	4
9	Borkul	37	3
10	kalvotom	40	0
11	Bugharz	41	3
12	Wauktug	43	3
13	Shum	47	3
14	Saraugug	48	2
15	Zulgha	55	2
16	Epkagut	55	2
17	Quordud	56	2
18	Parfu	62	1
19	Xunaakt	73	1
20	Yargug	80	1
21	Seakgu	84	1
22	Guarg	88	0
23	Magub	92	0

1. Domácí úkol: Porovnání

Poznámky

Násobení polynomů s Float64 koeficienty

Sčítání polynomů s Float64 koeficienty

Dělení polynomu polynomem s koeficienty Float64

Výpočet funkční hodnoty polynomy s Float64 koeficienty

Skóre (čím menší hodnota, tím lépe)

Násobení polynomů s `Float64` koeficienty

Sčítání polynomů s `Float64` koeficienty

Dělení polynomu polynomem s koeficienty `Float64`

Výpočet funkční hodnoty polynomy s `Float64` koeficienty