为什么scipy.distance.cdist在使用float32 (速度较慢)和float64 (速度较快)之间有很大的性能差异？
为什么scipy.distance.cdist在使用float32 (速度较慢)和float64 (速度较快)之间有很大的性能差异？
提问于 2018-06-04 00:40:52
为什么scipy.distance.cdist在使用float32和使用float64之间有很大的性能差异？
from scipy.spatial import distance
import numpy as np
import time
a_float32 = np.empty((1000000, 512), dtype=np.float32)
b_float32 = np.empty((1, 512), dtype=np.float32)
a_float64 = np.empty((1000000, 512), dtype=np.float64)
b_float64 = np.empty((1, 512), dtype=np.float64)
t1 = time.time()
for i in range(100):
distance.cdist(a_float32, b_float32, "sqeuclidean")
t2 = time.time()
print(t2-t1)
t1 = time.time()
for i in range(100):
distance.cdist(a_float64, b_float64, 'sqeuclidean')
t2 = time.time()
print(t2-t1)在我的电脑上，这段代码为float32生成了130.6998474597931的时间，为float64生成了22.450339794158936的时间，相差了6倍之多。 float64比float32快这么大的区别的原因是什么？
然而，如果b不是np.empty((1512))，而是np.empty((k，512))，并且k (>1)变得越来越大，那么差距似乎变得越来越小。例如，当为k=5时，我为float32获得222.25975680351257，为float64 (2x)获得110.36117148399353。当k变大时，间隙为什么变小？
回答 1
Stack Overflow用户
发布于 2018-06-04 07:00:00
实际执行计算的底层C代码是使用C double变量实现的，这些变量是64位浮点值。当您传入np.float32数组时，必须复制数据。
对于问题的第二部分:更大的k意味着更多的工作，因此复制数据的开销只占总时间的一小部分。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50668651
复制相关文章
相似问题
腾讯云开发者
