我有一个python脚本(在Linux fwiw下运行(，我想通过用不同的方式重写一些瓶颈部分来加快速度，看看哪一个更好/更快。
我可以测量运行时间，也可以使用cProfile进行检测，但问题是我使用的是现代笔记本电脑/cpu。从运行到下一次运行的运行时间变化了5%——据我所知，这是由于各种形式的CPU节流(温度/功率(。
这使得很难检查实际的代码性能差异。有什么方法可以弥补这一点和/或轻松测量CPU所做的实际工作吗？
禁用turbo或其他供应商所称的升压时钟可能是可行的，因此时钟频率保持在笔记本电脑可以维持的基线频率。
运行CPU的速度要慢得多(比如1.6GHz而不是3或更多(会改变DRAM缓存未命中与分支预测失误的相对成本，因为DRAM仍然需要类似的纳秒数量，但时钟周期要少得多。因此，如果你比较的东西涉及到这种权衡，那就不完美了。I/O与CPU类似。
如果你能让你的系统在几个不同的低但稳定的频率下运行，即使对于对内存延迟和带宽敏感的工作负载，你也可以推断出在更高频率下的性能：bandwidth博士在一篇博客文章中解释了这一点，文章中有他HPC会议演讲中的幻灯片。
对于大多数CPU绑定的东西(而不是内存或I/O(，perf stat ./my_program可能很有用：在核心时钟周期中查看时间，而不是秒。这甚至不试图控制缓存未命中成本与核心效应的相对差异，但如果您使用的是Linux或其他操作系统，该操作系统具有可以使用硬件性能计数器的方便探查器，则会很方便。(通常只在裸机上工作，而不是在虚拟机中；大多数虚拟机不会虚拟化性能监控单元。
另见绩效评估的惯用方法？用于与保持频率稳定无关的其他基准考虑。
请参阅为什么可以'；我的超便携式笔记本电脑CPU在HPC中保持峰值性能，例如，在运行功率密集型负载时，超便携式笔记本计算机的CPU频率与时间的关系，以及CPU设计的原因。