向量相加其一（Python & Numpy速度对比）

pytorch、tensorflow的底层框架很多地方都是用C语言和GPU加速的
其中向量加是最基础的

今天先给向量相加开个头，是向量相加的纯python和numpy实现
先给出测试机的的信息

硬件信息

CPU
厂家：Intel
型号：Intel®Pentium® CPU 5405U
核数：4
频率：2.3GHz 2.3GHz
指令集：不支持AVX2/AVX512
GPU1
厂家：Intel
型号：Intel®UHD Graphics 610
显存容量：120MB
显存频率：300MHz
显存带宽：17.1GB/s
GPU2
厂家：NVIDIA
型号：NVIDIA GeForce MX250
显存容量：2GB
显存频率：1519MHz
显存带宽：48.1GB/s

源代码

import time
import numpy as np

n = 1000000
repeat = 10 # CPU运算具有偶然性，计10次计算时间取平均

# 初始化
a = np.zeros((n,), dtype=int)
a[:] = 1

b = np.zeros((n,), dtype=int)
b[:] = 2

c1 = np.zeros((n,), dtype=int)
c2 = np.zeros((n,), dtype=int)

t0 = time.time()
for i in range(repeat):
    c1 = np.add(a, b)
t1 = time.time()
runtime = (t1 - t0) / repeat
print('numpy takes', runtime, 'sec')

t0 = time.time()
for i in range(repeat):
    for j in range(n):
        c2[j] = a[j] + b[j]
t1 = time.time()
runtime = (t1 - t0) / repeat
print('python loop takes', runtime, 'sec')

结果

可以看出numpy加速效果是很显著的，在10的6次方这个数量级下，2个一维向量相加numpy对python loop的加速比为172.68。
这也揭示了为什么numpy作为向量计算的首选第三方库