反復的な要素ごとの配列の乗算がnumpyで遅くなるのはなぜですか？

Question

以下のコードは、私が現在実施していたアルゴリズムで発生した問題を再現：

import numpy.random as rand 
import time 

x = rand.normal(size=(300,50000)) 
y = rand.normal(size=(300,50000)) 

for i in range(1000): 
    t0 = time.time() 
    y *= x 
    print "%.4f" % (time.time()-t0) 
    y /= y.max() #to prevent overflows 

問題は、一回の反復が複数回以上をとるまで、繰り返しのいくつかの番号の後に、物事がだんだん遅くし始めるということです時間よりも早い。

Pythonのプロセスによって減速

CPU使用率のプロットは、安定した周りの17から18パーセントを全体の時間です。

私が使用している：

• のPython 2.7.4 32ビット版を、
• Numpy 1.7.1 with MKL;
• のWindows 8

Answer 1

@Alokが指摘したように、これはパフォーマンスに影響を与えることdenormal numbersによって引き起こされているように見えます。私はOSXシステムでそれを実行し、問題を確認しました。デノーマルをゼロにする方法を知らない。私は非常に小さな数字を避けることによってアルゴリズムでこの問題を回避しようとします：それは1.e-324レベルになるまで、yを本当に分割する必要がありますか？

数字が小さくなることを避けると、あなたのループに次の行追加して：

y += 1e-100 

を、あなたは（あるため、余分な動作を遅くいえ）繰り返しごとに一定の時間を持っています。もう1つの回避策は、より高精度の石膏を使用することです。

x = rand.normal(size=(300,50000)).astype('longdouble') 
y = rand.normal(size=(300,50000)).astype('longdouble') 

これにより、それぞれのステップが高価になりますが、各ステップはほぼ同じ時間がかかります。

は私のシステムでは、次の比較を参照してください。