파이썬 코드 최적화는 효율적인 알고리즘 선택, 컴파일된 언어 확장 사용, 병렬 처리 통합으로 시작하는 경우가 많습니다. 그러나 더 큰 속도를 달성하려면 CPU 아키텍처에 대한 깊은 이해가 필요합니다. 예를 들어, scikit-learn의 그래디언트 히스토그램 부스팅에서 흔히 발생하는 문제는 255개의 정수 버킷에 많은 양의 부동 소수점 숫자 배열을 균등하게 할당하는 것입니다. 초기 접근 방식은 정렬된 버킷 경계에 대한 컴파일된 병렬 이진 검색을 사용합니다. CPU 기능에 맞춰 코드를 작성함으로써, CPU 기능에 반하는 것이 아니라 CPU 기능에 맞춰 코드를 작성함으로써 상당한 속도 향상을 달성했습니다. 여기에는 명령어 수준 병렬 처리 및 메모리 캐시와 같은 개념에 대한 이해가 포함되었습니다. 이 글은 원래 구현보다 6배의 속도 향상을 달성하는 방법을 보여주는 단순화된 예제를 시연할 것입니다. 이 여정은 분기 예측 및 SIMD와 같은 고급 저수준 하드웨어 주제를 다룰 것입니다. 심층적인 튜토리얼은 아니지만, 이러한 최적화의 가능성을 소개할 것입니다. 저자는 이러한 복잡한 하드웨어 주제에 대한 추가 학습을 위한 자료를 제공할 것입니다.