我刚刚注意到,我的脚本的执行时间几乎减少了一半,只是将乘法更改为一个部门.

为了调查这个,我写了一个小例子：

import numpy as np

import timeit

# uint8 array

arr1 = np.random.randint(0, high=256, size=(100, 100), dtype=np.uint8)

# float32 array

arr2 = np.random.rand(100, 100).astype(np.float32)

arr2 *= 255.0

def arrmult(a):

"""

mult, read-write iterator

"""

b = a.copy()

for item in np.nditer(b, op_flags=["readwrite"]):

item[...] = (item + 5) * 0.5

def arrmult2(a):

"""

mult, index iterator

"""

b = a.copy()

for i, j in np.ndindex(b.shape):

b[i, j] = (b[i, j] + 5) * 0.5

def arrmult3(a):

"""

mult, vectorized

"""

b = a.copy()

b = (b + 5) * 0.5

def arrdiv(a):

"""

div, read-write iterator

"""

b = a.copy()

for item in np.nditer(b, op_flags=["readwrite"]):

item[...] = (item + 5) / 2

def arrdiv2(a):

"""

div, index iterator

"""

b = a.copy()

for i, j in np.ndindex(b.shape):

b[i, j] = (b[i, j] + 5) / 2

def arrdiv3(a):

"""

div, vectorized

"""

b = a.copy()

b = (b + 5) / 2

def print_time(name, t):

print("{: <10}: {: >6.4f}s".format(name, t))

timeit_iterations = 100

print("uint8 arrays")

print_time("arrmult", timeit.timeit("arrmult(arr1)", "from __main__ import arrmult, arr1", number=timeit_iterations))

print_time("arrmult2", timeit.timeit("arrmult2(arr1)", "from __main__ import arrmult2, arr1", number=timeit_iterations))

print_time("arrmult3", timeit.timeit("arrmult3(arr1)", "from __main__ import arrmult3, arr1", number=timeit_iterations))

print_time("arrdiv", timeit.timeit("arrdiv(arr1)", "from __main__ import arrdiv, arr1", number=timeit_iterations))

print_time("arrdiv2", timeit.timeit("arrdiv2(arr1)", "from __main__ import arrdiv2, arr1", number=timeit_iterations))

print_time("arrdiv3", timeit.timeit("arrdiv3(arr1)", "from __main__ import arrdiv3, arr1", number=timeit_iterations))

print("\nfloat32 arrays")

print_time("arrmult", timeit.timeit("arrmult(arr2)", "from __main__ import arrmult, arr2", number=timeit_iterations))

print_time("arrmult2", timeit.timeit("arrmult2(arr2)", "from __main__ import arrmult2, arr2", number=timeit_iterations))

print_time("arrmult3", timeit.timeit("arrmult3(arr2)", "from __main__ import arrmult3, arr2", number=timeit_iterations))

print_time("arrdiv", timeit.timeit("arrdiv(arr2)", "from __main__ import arrdiv, arr2", number=timeit_iterations))

print_time("arrdiv2", timeit.timeit("arrdiv2(arr2)", "from __main__ import arrdiv2, arr2", number=timeit_iterations))

print_time("arrdiv3", timeit.timeit("arrdiv3(arr2)", "from __main__ import arrdiv3, arr2", number=timeit_iterations))

这将打印以下时间：

uint8 arrays

arrmult : 2.2004s

arrmult2 : 3.0589s

arrmult3 : 0.0014s

arrdiv : 1.1540s

arrdiv2 : 2.0780s

arrdiv3 : 0.0027s

float32 arrays

arrmult : 1.2708s

arrmult2 : 2.4120s

arrmult3 : 0.0009s

arrdiv : 1.5771s

arrdiv2 : 2.3843s

arrdiv3 : 0.0009s

我一直认为乘法在计算上比分部便宜.然而,对于uint8,一个部门似乎几乎是有效的两倍.这是否与事实有关,* 0.5必须计算浮点数中的乘法,然后将结果转换为整数？

至少对于浮标,乘法似乎比分裂更快.这一般是正确的吗？

为什么uint8中的乘法比float32中的乘法更多？我认为一个8位无符号整数应该比32位浮点计算快得多吗？

有人可以“神秘化”吗？

编辑：有更多的数据,我已经包括向量化函数(如建议)和添加的索引迭代器.矢量化的功能要快得多,因此并不是真正的可比性.然而,如果向量化函数的timeit_iterations设置得高得多,则结果是uint8和float32的乘法更快.我想这更混淆了吗？

实际上,乘法总是比划分更快,但是for循环中的主要性能泄漏不是算术运算,而是循环本身.尽管这不能解释为什么循环对于不同的操作有不同的表现.

EDIT2：像@jotasi已经说过,我们正在寻找一个完整的分解与乘法和int(或uint8)与float(或float32)的解释.另外,解释向量化方法和迭代器的不同趋势将是有趣的,如在矢量化的情况下,分割似乎更慢,而在迭代器情况下更快.