Leggere i numeri con obiettività

Un numero relativo all'aumento di velocità, preso da solo, significa poco. Leggerlo in modo onesto significa sapere che cosa è stato misurato e da dove deriva davvero il miglioramento. 🔍

Uno speedup è il tempo precedente diviso per il tempo nuovo. Se Python impiega 4 secondi e Mojo 1, si tratta di uno speedup di 4x.

Su un'attività molto piccola, il rumore dell'avvio domina e il rapporto può variare enormemente. Un grande speedup su un lavoro banale di solito non dimostra nulla.

Se la versione in Mojo salta del lavoro che quella in Python esegue, il divario è fittizio. Numeri onesti derivano da codice realmente equivalente.

Osservi quanto i tempi variano tra un'esecuzione e l'altra. Se i risultati oscillano molto, una singola media potrebbe nascondere una vera instabilità.

Riporti la mediana o la media di molte esecuzioni, non la migliore esecuzione ottenuta per caso. Scegliere il tempo più veloce gonfia il risultato.

CPython puro è lento, ma NumPy è già C veloce. Confronti con un baseline corretto, altrimenti il suo speedup potrebbe ridursi notevolmente.

Un algoritmo migliore può battere qualsiasi linguaggio. Si assicuri che il miglioramento derivi da Mojo e non dal passaggio nascosto a una logica più intelligente.

Indichi sempre la CPU, la dimensione dell'input e il numero di esecuzioni. Uno speedup senza queste condizioni non può essere verificato né riprodotto da altri.

Dica «8x su questa attività e su questa macchina», non «velocissimo ovunque». Le affermazioni oneste sono specifiche e restano vicine ai dati.

Se qualcuno può rieseguire il test e ottenere tempi simili, il risultato acquista fiducia. La riproducibilità è la vera prova di un benchmark.

Legga gli speedup in modo onesto: scelga un baseline corretto, calcoli la media di molte esecuzioni, dichiari le condizioni ed eviti il sensazionalismo. Numeri riproducibili generano vera fiducia. 🎯