[Python] Matrix-Multiplikationsverarbeitungszeit mit NumPy

Was ist NumPy?

Wie Sie alle wissen, ist Python eine starke Programmiersprache in den Bereichen maschinelles Lernen und KI. Der Grund ist die Fülle an mathematisch-akademischen Bibliotheken. NumPy ist eine repräsentative Python-Bibliothek.

Matrixberechnung (Multiplikation) mit NumPy

Ich werde NumPy verwenden, um die Matrixmultiplikation zu handhaben. Ich denke, dass selbst eine quadratische Matrix 3 * 3 für die manuelle Berechnung durch den Menschen schwierig sein wird. Hier möchte ich die Bearbeitungszeit von 100 * 100 messen.

#NumPy importieren
import numpy as np
import time
from numpy.random import rand

#Matrix 100*Geben Sie 100 an
N = 100

#Initialisieren Sie die Matrix und generieren Sie eine Zufallszahl
matA = np.array(rand(N, N))
matB = np.array(rand(N, N)) 
matC = np.array([[0] * N for _ in range(N)]) 

#Startzeit bekommen
start = time.time()

#Führen Sie eine Matrixmultiplikation durch
matC = np.dot(matA, matB)

#Ausgabe durch Beenden bei der zweiten Fraktion
print("Berechnungsergebnis mit NumPy:%.2f[sec]" % float(time.time() - start))

Verarbeitungsergebnis

Berechnungsergebnis mit NumPy: 0,03 [Sek]

Verschachteln und berechnen Sie Python für Anweisungen ohne Verwendung von NumPy

#NumPy importieren
import numpy as np
import time
from numpy.random import rand

#Matrix 100*Geben Sie 100 an
N = 100

#Initialisieren Sie die Matrix und generieren Sie eine Zufallszahl
matA = np.array(rand(N, N))
matB = np.array(rand(N, N)) 
matC = np.array([[0] * N for _ in range(N)]) 

#Startzeit bekommen
start = time.time()

#Nest für Aussage
for i in range(N):
    for j in range(N):
        for k in range(N):
            matC[i][j] = matA[i][k] * matB[k][j]

print("Berechnungsergebnis in Python für Anweisung:%.2f[sec]" % float(time.time() - start))

Verarbeitungsergebnis

Berechnungsergebnis in Python für Anweisung: 0.92 [Sek]

Bei der 100 * 100-Matrixberechnung beträgt die Verarbeitungszeitdifferenz zwischen NumPy und der Verschachtelung von Anweisungen etwa das 9-fache.

Die Bibliothek erleichtert nicht nur die Arbeit mit Ihrem Code Es ist ersichtlich, dass die Verarbeitungszeit erheblich reduziert werden kann und die Belastung des Systems erheblich reduziert werden kann.

Ich lerne gerade.

■ Referenzen

Lernen Sie, indem Sie sich mit Python bewegen! Neues Lehrbuch für tiefes Lernen Von den Grundlagen des maschinellen Lernens bis zum tiefen Lernen (KI & TECHNOLOGIE) von Toshihiko Ishikawa, Idemie Co., Ltd. https://www.shoeisha.co.jp/book/detail/9784798158570