向量化与for循环耗时对比——python实现 Python

向量化与for循环耗时对比——python实现
【向量化与for循环耗时对比——python实现】深度学习中，可采用向量化替代for循环，优化耗时问题
对比例程如下，参考Andrew NG的课程笔记

import time import numpy as npa = np.random.rand(1000000) b = np.random.rand(1000000)tic = time.time() c = np.dot(a,b) toc = time.time() print(c) print("Vectorized version: " , str(1000*(toc-tic)) + "ms")c = 0 tic1 = time.time() for i in range(1000000): c += a[i]*b[i] toc1 = time.time() print(c) print("For loop version: " , str(1000*(toc1-tic1)) + "ms")

处理百万数据，耗时相差400多倍。
效果图：