吴恩达深度学习：2.11向量化

1.什么是向量化？

　　在logistic 回归中，你需要计算z=w^Tx+b，w是列向量 ，x也是列向量，w和x都是R内的nx维向量

　　在python中的一个非向量实现：

　　　　　　for i in range(n-x):

　　　　　　　　z+=w[i]*x[i]

　　　　　　z+=b

　　这种形式的计算很慢，对比下向量化的实现会直接计算W^TX，在numpy中，z=np.dot(w,x)是在计算W^TX后面直接加上b，计算的速度非常快

　　(1)创建一个向量a

import numpy as np
a=np.array([1,2,3,4])
print('a=',a)

a= [1 2 3 4]

　　(2)比较向量化版本和非向量化版本时间消耗的值：

　　

import time
#创建一个一百万维度的随机数组
a=np.random.rand(1000000)
b=np.random.rand(1000000)
tic = time.time()
c= np.dot(a,b)
toc=time.time()
print('vectorized version',str(1000*(toc-tic))+'ms')


c=0
tic = time.time()
for i in range(1000000):
    c+=a[i]*b[i]
toc = time.time()
print('for loop=',str(1000*(toc-tic))+'ms')