Merge pull request #143 from YeLynn0401/patch-3

Update p14_make_your_program_run_faster.rst
2016-11-29 21:57:58 +08:00
parent 65f778cbd1 4308c7afea
commit f13b76ae21
1 changed files with 2 additions and 2 deletions
--- 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）.