当报告运行缓慢时，可以采取以下步骤来检查和加快代码的运行速度：

1. 代码剖析：使用代码剖析工具来确定代码中的性能瓶颈。例如，在Python中，可以使用cProfile模块来检查代码中的函数执行时间。示例代码如下：

import cProfile

def slow_function():
    # 慢速执行的代码

if __name__ == '__main__':
    cProfile.run('slow_function()')

2. 使用合适的数据结构和算法：检查代码中是否使用了最佳的数据结构和算法。根据具体情况，选择更高效的数据结构和算法，可以显著提高代码的运行速度。

3. 缓存计算结果：如果代码中包含重复计算的部分，可以使用缓存来保存计算结果，避免重复计算。例如，在递归函数中，可以使用一个字典来缓存已经计算过的结果。

cache = {}

def fibonacci(n):
    if n in cache:
        return cache[n]
    if n <= 1:
        return n
    result = fibonacci(n-1) + fibonacci(n-2)
    cache[n] = result
    return result

4. 并行化处理：如果代码中存在可以并行执行的部分，可以考虑使用多线程或多进程来提高代码的运行速度。例如，使用Python的multiprocessing模块可以实现多进程并行化。

import multiprocessing

def process_data(data):
    # 处理数据的函数

if __name__ == '__main__':
    data = [...]  # 待处理的数据
    pool = multiprocessing.Pool()
    results = pool.map(process_data, data)

5. 减少I/O操作：I/O操作通常是代码运行速度较慢的主要原因之一。尽量减少不必要的文件读写或网络请求，可以通过批量处理或缓存数据等方式来减少I/O操作的次数。

6. 代码优化：检查代码中是否存在一些低效或冗余的操作，可以通过简化代码逻辑、利用内置函数或库来优化代码。例如，使用列表推导式或内置函数来替代循环操作。

综上所述，以上是一些检查和优化代码运行速度的步骤和示例。根据具体情况，可以结合使用这些方法来提高代码的执行效率。