2.6向量化以及例子

1.什么是向量化
在逻辑回归中（python）
显然，向量化快速，方便。
2.小例子(python):向量化和非向量化运行时间的区别

import numpy as np
n = np.arrary([1,2,3,4])
print(a)

import numpy as np
import time
a = np.random.rand(1000000)
b = np.random.rand(1000000)#百万维数组
tic = time.time() #记录当前时间
c = np.dot(a,b)
toc = time.time()
print(c)
print("vectorized version:"+str(1000*(toc-tic))+"ms")

#非向量化的版本
c = 0
tic = time.time()
for i in range(1000000):
    c += a[i]*b[i]
toc = time.time()
print(c)
print("For loop:" + str(1000*(toc-tic)) +"ms")#打印for循环的版本的时间

运行一次结果

结果说明向量化可以节省很多时间

更多例子

• 避免使用for循环
• 例1：向量u为矩阵A与向量v的乘积，左边为非向量版本，右边是向量版本（python）

• 例2：假设你内存里已有向量v，对v中的每一个元素如果做指数运算
  

非向量

u = np.zeros(n,1)
for i in range(n)
	u[i] = math.exp.(v[i])

向量

import numpy as np
u = np.exp(v)

numpy里面有很多内置函数，np.log(v)（每个元素的对数）、np.abs(v)（每个元素的对绝对值）、np.maximum(v)（v里和0相比最大元素）。

• 怎么把向量化用到逻辑回归，去掉for循环。
  逻辑回归导数的程序
  想向量化，dw1,dw2不要初始化为0，应为向量