原标题：神经网络与深度学习笔记（四）：向量化以提高计算速度

原文来自：博客园      原文链接：https://www.cnblogs.com/geeksongs/p/11145776.html

我们在计算模型w的转置乘上x的时候，往往需要把w和x分别进行向量化然后运算，因为这样会使我们的计算机得到结果的时间更快，而且这种方法不管是在CPU还是在GPU上都是成立的，首先我们来看看代码：

import numpy as npimport time
a=np.random.rand(1000000)
b=np.random.rand(1000000)
toc=time.time()
c=np.dot(a,b)
tic=time.time()print("向量化之后计算的时间为："+str(1000*(tic-toc))+"ms")
c=0
tic=time.time()for i in range(1000000):
    c+=a[i]*b[i]
toc=time.time()print("不做向量化计算之后的时间为："+str(1000*(toc-tic))+"ms")

第一种方法方法运用了向量化来计算，也就是numpy当中的dot函数来计算，第二种方法则是利用了我们传统的for循环来进行计算，我们对每一个方法所的时间都做了记录，输出的结果如下：

向量化之后计算的时间为：1.0008811950683594ms

不做向量化计算之后的时间为：449.3072032928467ms

免责声明：本文来自互联网新闻客户端自媒体，不代表本网的观点和立场。

合作及投稿邮箱：E-mail:editor@tusaishared.com