PyTorch深度学习实战（20）—— 向量化计算和广播法则

本章主要介绍PyTorch中的向量化思想。其中6.1节和6.2节介绍向量化的基本概念和广播法则；6.3节介绍PyTorch中的高级索引，这也是向量化思想的重点，通过高级索引操作可以简化向量的计算；6.4节将结合向量化思想解决深度学习中的三个实际问题。

向量化思想在高维数据处理时能够有效提升计算效率

1. 向量化计算

向量化计算是一种特殊的并行计算方式。一般来说，程序在同一时间内只执行一个操作，而并行计算可以在同一时间内执行多个操作。向量化计算是指对不同的数据执行同样的一个或一批指令，或者把指令应用到一个数组或向量上，从而将多次循环操作变成一次计算。

向量化操作可以极大地提高科学运算的效率。尽管Python本身是一门高级语言，使用简便，但是其中存在着许多低效的操作，例如for循环等。因此，在科学计算中应当极力避免使用Python原生的for循环，尽量使用向量化数值运算࿰