【深度学习】矢量化加速的Python代码实现（定义计时器）

由于在深度学习中频繁进行运行时间的基准测试，所以我们定义一个计时器，Python代码实现如下：

一、导入需要的包

import math
import time
import numpy as np
import torch
from d2l import torch as d2l

二、定义计时器

class Timer:
    # 记录多次运行时间
    def __init__(self):
        self.times=[]
        self.start()
    def start(self):
        # 启动计时器
        self.tik=time.time()
    def stop(self):
        # 停止计时器并记录时间到列表中
        self.times.append(time.time()-self.tik)
        return self.times[-1]
    def avg(self):
        # 返回平均时间
        return sum(self.times)/len(self.times)
    def sum(self):
        # 返回时间总和
        return sum(self.times)
    def cumsum(self):
        # 返回累计时间
        return np.array(self.times).cumsum().tolist()

三、举例测试计时器

n=10000
a=torch.ones(n)
b=torch.ones(n)
c=torch.zeros(n)
timer=Timer()
for i in range(n):
    c[i]=a[i]+b[i]
seconds=f'{timer.stop():.5f} seconds'
print(seconds)

结果展示为：

0.10235 seconds