Python-sklearn-Vectorization

2401_82889064

已于 2024-02-23 09:14:40 修改

阅读量474

点赞数 7

分类专栏：机器学习文章标签： python sklearn

于 2024-02-23 09:13:11 首次发布

本文链接：https://blog.csdn.net/2401_82889064/article/details/136224157

版权

机器学习专栏收录该内容

14 篇文章 0 订阅

订阅专栏

作者MichaelJie通过示例展示了如何使用向量化（numpy.dot）代替for循环进行大规模数组乘法，显著提高了计算速度。向量化版本在处理100万维度数组时，时间效率比for循环版本提升了近4倍。

摘要由CSDN通过智能技术生成

向量化：利用向量点乘代替for循环，提高计算效率

"""
@Title: Vectorization
@Time: 2024/2/22
@Author: Michael Jie
"""

import time

import numpy as np

# 初始化两个一百万维度的数组
w = np.random.rand(1000000)
x = np.random.rand(1000000)

# 计算w * x，for循环版本
y = 0
start_time = time.time()
for i in range(1000000):
    y += x[i] * w[i]
end_time = time.time()
print(y)
print("for循环版本的时间:" + str(1000 * (end_time - start_time)) + "ms")

# 计算w * x，向量化的版本
start_time = time.time()
y = np.dot(x, w)
end_time = time.time()
print(y)
print("向量化版本的时间:" + str(1000 * (end_time - start_time)) + "ms")

"""
249863.8193506965
for循环版本的时间:277.03142166137695ms
249863.81935069352
向量化版本的时间:72.85833358764648ms
"""