第十一篇：向量化

1、为什么要用向量化？

 

         向量化是非常基础的去除代码中for循环的艺术，在深度学习安全领域、深度学习实践中，你会经常发现自己训练大数据集，因为深度学习算法处理大数据集效果很棒，所以你的代码运行速度非常重要，否则如果在大数据集上，你的代码可能花费很长时间去运行，你将要等待非常长的时间去得到结果。所以在深度学习领域，运行向量化是一个关键的技巧。

 

让我们举个实例说明什么是向量化：

 

• 在逻辑回归中你需要去计算 z= +b，w、x都是列向量。如果你有很多的特征那么就会有一个非常大的向量，所以w∈ ，x∈，所以如果你想使用非向量化方法去计算 x，你需要用如下方式（python）：

          非向量化的实现方法:

                                                 

          向量化的方法：

                                                 

      对比向量化和非向量化代码运行的时间：

                                                         

 

 在两个方法中，向量化和非向量化计算了相同的值，如你所见，向量化版本花费了1.5毫秒，非向量化版本的for循环花费了大约几乎500毫秒，非向量化版本多花费了300倍时间。所以在这个例子中，仅仅是向量化你的代码，就会运行300倍快。这意味着如果向量化方法需要花费一分钟去运行的数据，for循环将会花费5个小时去运行。

一句话总结，以上都是再说和for循环相比，向量化可以快速得到结果。