DeepLearning.ai--吴恩达--Chapter 2_Vecterization

Posted 君子之行

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了DeepLearning.ai--吴恩达--Chapter 2_Vecterization相关的知识,希望对你有一定的参考价值。

2017-12-08 13:48:22

在深度学习 处理大数据时,采用常用的 for 循环无法及时有效地处理,因此采用 矢量化的方法来处理矩阵运算。

以 Python 的 numpy 库来对比 10^6 (百万)数量级

传统的 for circulate (for 循环 ) 与 矢量化 处理 的对比

 1 import numpy as np
 2 import time
 3 
 4 a = np.random.rand(1000000)
 5 b = np.random.rand(1000000)
 6 
 7 tic = time.time()
 8 c = np.dot(a,b)
 9 toc = time.time()
10 
11 print(c)
12 print("Vecterization: " + str(1000*(toc - tic)) + " ms")
13 
14 c = 0
15 tic = time.time()
16 for i in range (1000000):
17     c += a[i] * b[i]
18 toc = time.time()
19 print(c)
20 print("ForLoop Version: " + str(1000*(toc - tic)) + " ms")

执行结果:

 

附: Pycharm 安装 Numpy ,MatlopLib  Plugine

1-- File => Settings

 

2-- 进入菜单 添加 搜索栏

 

3-- 在搜索栏里 输入

 

以上是关于DeepLearning.ai--吴恩达--Chapter 2_Vecterization的主要内容,如果未能解决你的问题,请参考以下文章

吴恩达deeplearning.ai -- week3 浅层神经网络

吴恩达深度学习笔记(deeplearning.ai)之卷积神经网络

吴恩达深度学习笔记(deeplearning.ai)之循环神经网络(RNN)

吴恩达 DeepLearning.ai 课程提炼笔记(4-2)卷积神经网络 --- 深度卷积模型

吴恩达深度学习笔记(deeplearning.ai)之循环神经网络(RNN)

吴恩达深度学习笔记(deeplearning.ai)之循环神经网络(RNN)