为什么向量化可以大幅度加快速度？

最新推荐文章于 2025-07-06 19:57:48 发布

MiaL

最新推荐文章于 2025-07-06 19:57:48 发布

阅读量3.1k

点赞数 4

CC 4.0 BY-SA版权

分类专栏：机器学习

本文链接：https://blog.youkuaiyun.com/houhuipeng/article/details/93139578

机器学习专栏收录该内容

28 篇文章

订阅专栏

博客探讨向量化大幅加快速度的原因。以吴恩达课堂示例说明，Python是解释语言，循环每次迭代需评估操作数类型，有计算开销。而向量化能让一条指令并行对多个操作数执行相同操作，如向量乘标量，向量化执行指令数远少于循环方式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

为什么向量化可以大幅度加快速度？

仿照吴恩达老师课堂中的示例：

import numpy as np
import time

a = np.random.rand(1000000)
b = np.random.rand(1000000)
tic = time.time()
c1 = np.dot(a,b)
toc = time.time()
print(c1)
print("Vectorrized version:"+str(1000*(toc-tic))+"ms")

tic = time.time()
c2 = 0
for i in range(1000000):
    c2 += a[i]*b[i]
toc = time.time()

print(c2)
print("For loop:"+str(1000*(toc-tic))+"ms")

输出：

250374.14909359306
Vectorrized version:0.9965896606445312ms
250374.14909359868
For loop:461.7724418640137ms

向量计算比循环快400倍，为什么？

Python是解释语言，这意味着你的指令进行分析，并在每次执行解释。由于它们不是静态类型的，因此循环必须在每次迭代时评估操作数的类型，这导致计算开销。
向量化可以使一条指令并行地对多个操作数执行相同的操作（SIMD（单指令，多数据）操作）。例如，要将大小为N的向量乘以标量，让我们调用M可以同时操作的操作数大小。如果是这样，那么它需要执行的指令数大约为N / M，如果采用循环方式，则必须执行N次操作。