向量相加其一（Python & Numpy速度對比）

pytorch、tensorflow的底層框架很多地方都是用C語言和GPU加速的
其中向量加是最基礎的

今天先給向量相加開個頭，是向量相加的純python和numpy實現
先給出測試機的的信息

硬件信息

CPU
廠家：Intel
型號：Intel®Pentium® CPU 5405U
核數：4
頻率：2.3GHz 2.3GHz
指令集：不支持AVX2/AVX512
GPU1
廠家：Intel
型號：Intel®UHD Graphics 610
顯存容量：120MB
顯存頻率：300MHz
顯存帶寬：17.1GB/s
GPU2
廠家：NVIDIA
型號：NVIDIA GeForce MX250
顯存容量：2GB
顯存頻率：1519MHz
顯存帶寬：48.1GB/s

源代碼

import time
import numpy as np

n = 1000000
repeat = 10 # CPU運算具有偶然性，計10次計算時間取平均

# 初始化
a = np.zeros((n,), dtype=int)
a[:] = 1

b = np.zeros((n,), dtype=int)
b[:] = 2

c1 = np.zeros((n,), dtype=int)
c2 = np.zeros((n,), dtype=int)

t0 = time.time()
for i in range(repeat):
    c1 = np.add(a, b)
t1 = time.time()
runtime = (t1 - t0) / repeat
print('numpy takes', runtime, 'sec')

t0 = time.time()
for i in range(repeat):
    for j in range(n):
        c2[j] = a[j] + b[j]
t1 = time.time()
runtime = (t1 - t0) / repeat
print('python loop takes', runtime, 'sec')

結果

可以看出numpy加速效果是很顯著的，在10的6次方這個數量級下，2個一維向量相加numpy對python loop的加速比爲172.68。
這也揭示了爲什麼numpy作爲向量計算的首選第三方庫