![e43b1ce4a85262b1c35886e91a1fab50.png](https://i-blog.csdnimg.cn/blog_migrate/82d56b3f99ae0874cb156bcacb776191.jpeg)
编辑:zero
关注 搜罗最好玩的计算机视觉论文和应用,AI算法与图像处理 微信公众号,获得第一手计算机视觉相关信息
本文转载自:公众号:AI公园
作者:George Seif
编译:ronghuaiyang
导读
给大家试试GPU的威力!
![0bbc6776e613aaa552da1c128ecbb6df.png](https://i-blog.csdnimg.cn/blog_migrate/472268fe9ebeebbe9cc290a08754eee2.jpeg)
Numpy是Python社区的一份大礼。它允许数据科学家、机器学习使用者和统计学家以一种简单有效的方式处理矩阵格式的大量数据。
即使就其本身而言,Numpy在速度方面已经比Python有了很大的提升。当你发现自己Python代码运行缓慢,尤其是如果你看到很多的for循环,使用Numpy总是一个好主意,将数据处理成Numpy并让其向量化工作,可以得到最高速度!
尽管如此,Numpy只在CPU上运行。对于通常只有8个或更少内核的消费级cpu,并行处理的数量以及因此可以达到的加速速度是有限的。