np.dot 浮点类型运算远快于整型运算

太长不看版：

ndarray变量内元素类型（dtype）为整型可能会导致运算速度变慢非常多，请注意这一点并保持矩阵运算的两变量内元素类型一致。

---

---

我有两个ndarray变量: Spike_train (shape of (492, 21474)), N (shape of (21474, 144)), 要对两者作矩阵乘法运算，调用numpy.dot函数，发现非常非常慢：

import numpy as np

np.dot(Spikes_train, N)

这个函数理论上矩阵计算速度是极快的，但是我发现当我进行一下运算时，竟然平均花费13秒~18秒的时间。令人费解。

起初以为传闻不一定对，以为是矩阵过大而导致的。于是进行模拟验证：

import numpy as np
A = np.random.uniform(0,120,(492, 21474))
B = np.random.uniform(0,120,(21474, 144))
C = np.dot(A,B)

print(type(A),type(B))
print(A.shape,B.shape,C.shape)
print(type(A),type(B),type(C))
print(A.dtype,B.dtype,C.dtype)

得到如下结果：

 而且浮点型运算速度非常快！np.dot()果然名不虚传。可见我之前调用太慢不是shape的问题。

于是我查看了 Spikes_train, N 的元素类型(dtype)以及变量类型，发现了问题所在：

 两个变量中元素类型虽然都是整数，但类型竟然不一样。于是进行变量的类型转换。

 虽然比此前要好一些，但仍然非常慢，需要7秒左右时间。

于是将变量类型转化为浮点型。

 一瞬间就除了结果，可见如同此前模拟数据一样采用的是浮点型运算会快很多。