向量化(Vectorization)

向量化是非常基础的去除代码中 for 循环的艺术，在深度学习安全领域、深度学习实践
中，你会经常发现自己训练大数据集，因为深度学习算法处理大数据集效果很棒，所以你的
代码运行速度非常重要，否则如果在大数据集上，你的代码可能花费很长时间去运行，你将
要等待非常长的时间去得到结果。所以在深度学习领域，运行向量化是一个关键的技巧，让
我们举个栗子说明什么是向量化。

# -*- coding: utf-8 -*-

import numpy as np
#创建一个数据
#向量化版本
import time
a=np.random.rand(1000000)  #随机得到一个1000000的数组
b=np.random.rand(1000000)
time_begin=time.time() #测量当前时间
#向量化版本
c=np.dot(a,b)
time_end=time.time()
print("Vectorized version:"+str(1000*(time_end-time_begin))+"ms")


#非向量化样本
c=0
time_begin1=time.time() #测量当前时间
for i in range(1000000):
    c+=a[i]*b[i]
time_end2=time.time()

print("No-Vectorized version:"+str(1000*(time_end2-time_begin1))+"ms")