15-minutong sesyon: magbasa nang 3 minuto, mag-trace nang 3, mag-eksperimento nang 7, at sagutan ang check nang 2. Maglaan ng dagdag na oras kung kailangan.
Gumamit ng monotonic high-resolution clock. Ihiwalay ang warmup, ulitin ang fixed workload, beripikahin ang checksum, at iulat ang median at spread. Itala ang unit, data size, environment, at runtime version. Python sum sa CPU ang sinusukat nito kasama ang runtime cost; hindi ito GPU o raw memory-bandwidth benchmark.
Pagsasanay at ebidensiya: Hulaan ang halimbawa o iguhit ang pagbabago ng state. Baguhin ang isang palagay, subukan ang hangganan, at itala ang aktuwal na resulta. Ipaliwanag kung ano ang hindi napapatunayan ng maliit na modelo tungkol sa production system.
import time,statistics,platform
data=list(range(100000))
expected=4999950000
assert sum(data)==expected
samples=[]
for _ in range(7):
start=time.perf_counter_ns()
result=sum(data)
samples.append((time.perf_counter_ns()-start)/1e6)
assert result==expected
print("CPU Python",platform.python_version(),platform.machine())
print("median_ms",round(statistics.median(samples),4))
print("min_ms",round(min(samples),4),"max_ms",round(max(samples),4))
Itala ang hula, aktuwal na resulta, at dahilan ng pagtugma o pagkakaiba. Sinusukat ng completion check ang pag-unawa; hinahasa ng practice task ang kasanayan.