矢量化的限制是什麼？

我正在使用多維矩陣（約100尺寸左右，見下文爲什麼）。我的矩陣是NumPy數組，我主要將它們相乘。矢量化的限制是什麼？

NumPy以什麼形式照顧（關於速度或準確性），我要求它將這些矩陣相乘？即在執行乘法之前將它們重新整形爲線性陣列是否有意義？我用隨機矩陣做了一些自己的測試，似乎並不相關，但想對此有一些理論上的瞭解。

我猜在Python處理它們緩慢之前，對於矩陣的大小有多大以及它們有多大是有限制的。有沒有辦法找到這個限制？

我有幾個物種（生物學），並希望分配這些物種的每一個健身。然後我想看看這些不同的企業如何影響競爭的結果。我想檢查所有物種的所有可能的健身組合。我的矩陣有很多維度，但所有維度都很小。

你是指什麼樣的乘法？ –

正常乘法'a * b'。 a'和'b'具有什麼形狀（只要它們具有相同的形狀）有什麼關係？ –

應該注意的是，NumPy在編譯的C或C++代碼中執行這些操作（或者甚至調用Fortran數字庫（？）），所以它不會是「Python」**，它會變慢或變慢。（但是，由於計算仍然在Python進程和線程中發生，當然這仍然是您感覺到的地方）。 –

對於元素乘法它並不重要，，平坦的陣列不會改變的事情。請記住：不管它們的尺寸如何，數組都會線性保存在RAM中。如果在乘法之前將數組拉平，則只會改變NumPy向您顯示數據的方式，RAM中的數據永遠不會被觸摸。乘以1D或100D數據的操作完全相同。

2017-06-22 12:04:27

回答