矢量量化的C语言实现_numba从入门到精通（5）—强大的矢量化vectorize和guvectorize...

（jit和vectorize的参数总结在第6章里会写）

在机器学习的编程过程中，经常会涉及到很多复杂的循环，往往程序中最消耗时间的也是这部分代码，好在后来提出了向量化的概念，将循环转化为矢量计算，大大降低了运行的时间。

python中的numpy就是向量化的典型代表，粗浅的理解就是，cpu可以直接识别并且运行矩阵层面的运算，就好像如果我们人工去计算一堆行列矩阵的乘积之和，从循环的角度来看，我们要遍历两个矩阵的index，然后根据index遍历两个矩阵，各位元素相乘最后相加得到结果，但是从矩阵的角度出发，就是一个简单的矩阵乘法而已。具体可见下面的例子：

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")