python优化for循环速度,为什么向量化比for循环快

　　本文主要介绍python向量化和for循环的耗时对比分析，具有很好的参考价值。希望对你有帮助。如有错误或不足之处，请不吝赐教。

　　00-1010矢量化和for循环之间的耗时比较矢量化数据与for循环相比的优势

目录

　　在深度学习中，可以用向量化代替for循环来优化耗时的问题。

　　比较套路如下，参考Andrew NG的课程笔记。

　　导入时间

　　将numpy作为np导入

　　a=np.random .兰德(1000000)

　　b=np.random.rand(100000)

　　tic=time.time()

　　c=np.dot(a，b)

　　toc=time.time()

　　打印(c)

　　print(矢量化版本： ，str(1000*(toc-tic)) ms )

　　c=0

　　tic1=time.time()

　　对于I，范围为(1000000):

　　c=a[i]*b[i]

　　toc1=time.time()

　　打印(c)

　　print(For循环版本： ，str(1000*(toc1-tic1)) ms )

　　处理数百万条数据需要400多次。

　　效果图：

向量化与for循环耗时对比

　　例子

　　将numpy作为np导入

　　导入时间

　　a=np.random .兰德(1000000)

　　b=np.random.rand(100000)

　　tic=time.time()

　　c=np.dot(a，b)

　　toc=time.time()

　　打印

　　print("矢量化版本：" str((toc-tic)) "s ")

　　c1=0

　　tic=time.time()

　　对于范围(1000000):内的I

　　c1=a[i]*b[i]

　　toc=time.time()

　　打印(c1)

　　print("非结构化版本：" str(toc-tic) "s ")

　　结果

　　250487.97870397285

　　矢量化版本38860 . 48686868661

　　250487.9787039739

　　未变型的版本36860 . 88868686861

　　可以看出，矢量化后的执行时间比使用for循环时快478倍。

　　以上个人经验，希望给你一个参考，也希望你能支持盛行的IT软件开发工作室。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。