为什么同一个循环算法的性能不同

Question

现在我正在从cs 231 n开始分配，我想计算点之间的欧几里得距离：

dists[i, j]=0
for k in range(3072):
    dists[i, j]+=math.pow((X[i,k] - self.X_train[j,k]),2)
dists[i, j] = math.sqrt(dists[i,j])

但是，此代码非常慢。然后我尝试了

 dists[i,j] = dist = np.linalg.norm(X[i,:] - self.X_train[j,:])

，速度更快。问题是为什么？ np.linalg.norm还会遍历所有点的所有坐标，相减，赋能，求和并平方吗？有人可以给我一个详细的答案：是因为np.linalg.norm如何访问元素还是有其他原因？

Answer 1

NumPy可以一口气用优化的，加速的（例如SSE，AVX，您拥有什么）C代码完成整个计算。

原始代码在Python中完成了所有工作（除了math函数，这些函数是用C语言实现的，而且还需要花费一些时间往返Python对象），就是这样慢一点。