矢量化的限制是什么？

我正在使用多维矩阵（约100尺寸左右，见下文为什么）。我的矩阵是NumPy数组，我主要将它们相乘。矢量化的限制是什么？

NumPy以什么形式照顾（关于速度或准确性），我要求它将这些矩阵相乘？即在执行乘法之前将它们重新整形为线性阵列是否有意义？我用随机矩阵做了一些自己的测试，似乎并不相关，但想对此有一些理论上的了解。

我猜在Python处理它们缓慢之前，对于矩阵的大小有多大以及它们有多大是有限制的。有没有办法找到这个限制？

我有几个物种（生物学），并希望分配这些物种的每一个健身。然后我想看看这些不同的企业如何影响竞争的结果。我想检查所有物种的所有可能的健身组合。我的矩阵有很多维度，但所有维度都很小。

你是指什么样的乘法？ –

正常乘法'a * b'。 a'和'b'具有什么形状（只要它们具有相同的形状）有什么关系？ –

应该注意的是，NumPy在编译的C或C++代码中执行这些操作（或者甚至调用Fortran数字库（？）），所以它不会是“Python”**，它会变慢或变慢。（但是，由于计算仍然在Python进程和线程中发生，当然这仍然是您感觉到的地方）。 –

对于元素乘法它并不重要，，平坦的阵列不会改变的事情。请记住：不管它们的尺寸如何，数组都会线性保存在RAM中。如果在乘法之前将数组拉平，则只会改变NumPy向您显示数据的方式，RAM中的数据永远不会被触摸。乘以1D或100D数据的操作完全相同。

2017-06-22 12:04:27

回答