简单的矩阵乘法理论
其实大概每个人都知道向量化后进行计算的速度比循环求解计算快,可是快多少,我们还是不太清楚。那么我就想简单的说下理论再上代码(python)吧。
比如我们有矩阵
a = [1, 2]
b = [3, 4]
循环相乘就是
for i in range(2):
c += a[i] * b[i]
矩阵相乘就是
a的第一行 * b的第一列,一步出结果
c = 1*3 + 2*4
代码看具体效果
排除笔记本CPU的问题,用倍数来比较。
我多试了几次,大概就是300-500倍之间。可见,向量化的优点了。
要是我大一知道线数如此重要,我岂不早成学霸了呀。
以上想法来自Andrew Ng视频教程
下一篇:逻辑回归的理论与实现(神经网络基础)