DSP

【深度学习】向量化加速(1)

2019-07-13 12:49发布

在大数据集处理中,通过使用向量来代替for循环,从而达到加速的效果。

一个A+B的例子,演示向量加速的效果。相同的输出结果,所需要的时间远小于for循环。 ps:
numpy 是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵(matrix))。据说NumPy将Python相当于变成一种免费的更强大的MatLab系统。 import time import numpy as np a=np.random.rand(1000000) b=np.random.rand(1000000) tic=time.time() c=np.dot(a,b) toc=time.time() print(c) print("Vectorized :"+str(1000*(toc-tic))+"ms") c=0 tic=time.time() for i in range(1000000): c+=a[i]*b[i] toc=time.time() print(c) print("For loop:"+str(1000*(toc-tic))+"ms")
这里写图片描述