c++ 向量化_使用向量化、矩阵化、cuda等不同方法加速python程序

使用向量化、矩阵化、cuda等不同方法加速python程序

第一次写知乎文章，本文中如有错误请不吝赐教，各位大大多多包涵。

本文是一次实验室组会的分享内容，对于机器视觉各类问题中经常需要处理大量计算任务的情况，以一个计算点云距离的例子来观察不同处理方法在python编程中对速度的影响。运行程序的电脑CPU型号：i9-9900X，GPU型号：RTX 2080 Ti ，python版本3.8.1 ，使用Jupyter lab编写。

问题描述：
在python中，使用普通方法、向量化、矩阵化、cuda等方法加速计算两组点云间各点的距离

# 初始化数据

• 普通方法
  通过嵌套的循环，计算所有点的距离，距离计算公式为：

# 普通计算距离

普通计算时间: 950.3101623058319 s

common_result 

• 向量化方法
  将数据A以重复m次的方式扩展，数据B以复制的方式扩展，实现A中任一点对B中所有点的对应关系。即：