python matlab 速度_Numpy与Matlab阵列求和速度的比较

我最近用Numpy将一个MATLAB脚本转换成Python，发现它运行速度明显较慢。我期望有类似的表现，所以我想知道我是否做错了什么。在

作为简单的例子，我手动求和一个几何级数：

MATLAB版本：function s = array_sum(a, array_size, iterations)

s = zeros(array_size);

for m = 1:iterations

s = a + 0.5*s;

end

end

% benchmark code

array_size = 500

iterations = 500

a = randn(array_size)

f = @() array_sum(a, array_size, iterations);

fprintf('run time: %.2f ms\n', timeit(f)*1e3);

Python/Numpy版本：

^{pr2}$

在我的机器上，MATLAB在58毫秒内完成，Python版本在292毫秒内运行，或者慢5倍。在

我还尝试通过添加Numba JIT decorator@jit('f8[:,:](i8, i8)', nopython=True)来加快Python代码的速度，但时间只下降到236毫秒(慢了4倍)。在

这比我预料的要慢。我使用时间不恰当吗？我的Python代码有问题吗？在

编辑：进行编辑，以便在基准功能之外创建随机矩阵。在

编辑2：我使用Torch而不是Numpy运行基准测试(计算总和为s = torch.add(s, 0.5, a))，它在我的计算机上只运行了52毫秒！在