测试运行时间

本文通过使用Python的numpy库进行矩阵分解来测试系统的性能。具体来说,文章记录了对一个2000x2000的随机矩阵进行奇异值分解(SVD)所需的时间。

测试numpy的安装是否优化

%pylab
from  datetime  import datetime

n  = 2000
t1 = datetime.now()
U,D,V = svd(randn(n,n)) 
# U,D,V = svd(np.arange(n*n).reshape(n,n))
dt = datetime.now() - t1
dt.total_seconds()

转载于:https://www.cnblogs.com/bregman/p/4774918.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值