python的numpy向量化语句为什么会比for快？

numpy在矩阵乘法运算的时候也一定是按照定义一个个矩阵元素乘起来相加的，为什么会比几个for循环快呢？

fleuria · 2018-9-24 01:08:42

向量化有天然并行的语义，可以利用 CPU 的 SIMD 加速指令，比 C 的 for 循环快也正常。除非做一些类似循环展开的优化手段，tirival 的 for 循环也挺伤流水线的，反观科学计算的库可以封装各种妖艳的小优化。

霍华德 · 2018-9-24 01:08:43

谢邀，前几天就看到邀请了，一直没空写。今天先来挖个坑。

大家可以去参观一下numpy.dot 的内核函数：

* This module provides a BLAS optimized matrix multiply, * inner product and dot for numpy arrays：cblas内核函数

你会发现np.dot就是分类讨论式的使用blas函数，先判断好你输入的数据类型，是标量，一维向量，还是矩阵，然后再调用相应的blas函数。

所以问题python的numpy向量化语句为什么会比for快？就可以转化为为什么blas库比for快？

为什么呢？先挖坑，慢慢来答

匿名用户 · 2018-9-24 01:08:44

提示: 作者被禁止或删除内容自动屏蔽

匿名用户 · 2018-9-24 01:08:46

提示: 作者被禁止或删除内容自动屏蔽

4 个回复