向量化

Posted 2021-07-28 So istes immer

向量化计算是一种特殊的并行计算的方式，它可以在同一时间执行多次操作，通常是对不同的数据执行同样的一个或一批指令，或者说把指令应用于一个数组/向量
向量化你的代码，会让程序运行得更快
我们用向量化运算来代替显式的for循环
看一个例子：

import numpy as np
import time

a = np.array([1, 2, 3, 4])
print(a)

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 version:" + 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")

np.random.rand()函数的语法：
np.random.rand(d0,d1,d2……dn)
1)当函数括号内没有参数时，则返回一个浮点数；
2）当函数括号内有一个参数时，则返回秩为1的数组
3）当函数括号内有两个及以上参数时，则返回对应维度的数组，能表示向量或矩阵；
4）np.random.standard_normal（）函数与np.random.rand()类似，但是np.random.standard_normal（）的输入参数为元组（tuple）
5)np.random.rand()的输入通常为整数，但是如果为浮点数，则会自动直接截断转换为整数

dot函数为numpy库下的一个函数，主要用于矩阵的乘法运算，其中包括：向量内积、多维矩阵乘法和矩阵与向量的乘法。