标签:常用 chapter 大数据 int time 运算 技术 random http
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:
DeepLearning.ai--吴恩达--Chapter 2_Vecterization
标签:常用 chapter 大数据 int time 运算 技术 random http
原文地址:http://www.cnblogs.com/masterSoul/p/8005133.html