每天五分钟深度学习：解决for循环效率慢的关键在于向量化

本文重点

上一节课程中，我们学习了多样本的线性回归模型，但是我们的伪代码实现中使用了大量的for循环，这样代码的问题是效率很低。为了克服这一瓶颈，向量化技术应运而生，成为提升程序执行效率、加速数据处理速度的重要手段。

向量化技术概述

向量化（Vectorization）是一种通过一次操作处理多个数据项的技术，旨在减少循环次数和指令调用开销，从而提高计算效率。在传统的for循环中，每次迭代通常只处理一个或少数几个数据项，这种逐个处理的方式在数据量庞大时显得尤为低效。而向量化技术则通过将多个数据项打包成一个向量（或数组），并应用向量操作来同时处理这些数据项，从而实现并行计算的效果。

向量化的直观离线

什么是向量化计算？我们通过逻辑回归来解释一下，并且来看一下为什么向量化如此强大。在逻辑回归中，我们需要计算：

其中w和x都是列向量：

我们先使用一下非向量化方法去计算Z，我们需要用到如下方式：

z=0
for i in range(n_x):
 z+=w[i]*x[i]
z+=b

这种使用for循环的非向量化