Về Chương 1
Động Cơ Vector Hóa

Vòng lặp `for` vs NumPy Vectorization

Tại sao NumPy lại được mệnh danh là "vũ khí tối thượng" của Python?

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
SẴN SÀNG KHỞI CHẠY
Thống Kê
Phần tử xử lý
0 / 100
Thời gian CPU
0 ms
Tiến Độ (NUMPY)

Giải Thích Cơ Chế

Cơ chế Vectorization của NumPy cho phép đẩy toàn bộ phép tính xuống nhân mã C (C-level) bên dưới.

  • Thực thi phép toán trên toàn bộ mảng cùng lúc.
  • Bỏ qua được rào cản quá tải của Python GIL.
  • Cực kỳ tối ưu nhờ lưu trữ bộ nhớ liên tục (contiguous memory) và đồng nhất kiểu dữ liệu (static typing).
Mã Nguồn (Python)
import numpy as np# C-array liên tục trong RAMdata = np.arange(10000)# Xử lý Vector hóa cực nhanhresult = data * 2

Lý thuyết & Ứng dụng: Động cơ Vector Hóa (Vectorization)