[Python] Temps de traitement de la multiplication de la matrice avec NumPy

Qu'est-ce que NumPy

Comme vous le savez tous, Python est un langage de programmation puissant dans les domaines de l'apprentissage automatique et de l'IA. La raison en est l'abondance de bibliothèques universitaires mathématiques. NumPy est une bibliothèque Python représentative.

Calcul matriciel (multiplication) à l'aide de NumPy

Je vais utiliser NumPy pour gérer la multiplication matricielle. Je pense que même une matrice carrée 3 * 3 sera difficile pour le calcul manuel humain. Ici, je voudrais mesurer le temps de traitement de 100 * 100.

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

#Matrice 100*Spécifiez 100
N = 100

#Initialisez la matrice et générez un nombre aléatoire
matA = np.array(rand(N, N))
matB = np.array(rand(N, N)) 
matC = np.array([[0] * N for _ in range(N)]) 

#Obtenir l'heure de début
start = time.time()

#Effectuer une multiplication matricielle
matC = np.dot(matA, matB)

#Sortie en se terminant à la deuxième fraction
print("Résultat du calcul avec NumPy:%.2f[sec]" % float(time.time() - start))

Résultat du traitement

Résultat du calcul avec NumPy: 0,03 [sec]

Imbriquez et calculez Python pour les instructions sans utiliser NumPy

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

#Matrice 100*Spécifiez 100
N = 100

#Initialisez la matrice et générez un nombre aléatoire
matA = np.array(rand(N, N))
matB = np.array(rand(N, N)) 
matC = np.array([[0] * N for _ in range(N)]) 

#Obtenir l'heure de début
start = time.time()

#Nest pour déclaration
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("Résultat du calcul en Python pour l'instruction:%.2f[sec]" % float(time.time() - start))

Résultat du traitement

Résultat du calcul en Python pour l'instruction: 0.92 [sec]

Dans le calcul matriciel 100 * 100, la différence de temps de traitement entre NumPy et pour l'imbrication d'instructions est d'environ 9 fois.

Non seulement la bibliothèque rend votre code plus facile et plus facile à utiliser On peut voir que le temps de traitement peut être considérablement réduit et la charge du système peut être considérablement réduite.

J'étudie juste.

■ Références

Apprenez en évoluant avec Python! Nouveau manuel d'apprentissage en profondeur De l'apprentissage automatique de base à l'apprentissage en profondeur (IA et TECHNOLOGIE) par Toshihiko Ishikawa, Idemie Co., Ltd. https://www.shoeisha.co.jp/book/detail/9784798158570