同样是计算欧式距离的平方 float32比float16还要快N倍？

东方耀

同样是计算欧式距离的平方 float32比float16还要快N倍？

1. 
   
2. import numpy as np
   
3. import time
   
4. 
   
5. # 同样是计算欧式距离的平方 float32比float16还要快N倍？
   
6. 
   
7. face_encodings = np.random.random(size=(300000, 512))
   
8. face_to_compare = np.random.random(size=(512, ))
   
9. 
   
10. face_encodings = face_encodings.astype(np.float32)
    
11. face_to_compare = face_to_compare.astype(np.float32)
    
12. # np.float32  1比所有200000个重点人脸库计算欧式距离的平方，耗时(s)= 0.502
    
13. # np.float16  1比所有300000个重点人脸库计算欧式距离的平方，耗时(s)= 4.411
    
14. # np.float64  1比所有300000个重点人脸库计算欧式距离的平方，耗时(s)= 1.539
    
15. print(type(face_encodings), face_encodings.dtype)
    
16. print(type(face_to_compare), face_to_compare.dtype)
    
17. # return np.linalg.norm(face_encodings - face_to_compare, axis=1)
    
18. print('重点库中的人脸编码个数=', len(face_encodings))
    
19. print('待比较的人脸编码的shape=', face_to_compare.shape)
    
20. start_time = time.time()
    
21. # all_distance = np.square(np.linalg.norm(face_encodings - face_to_compare, axis=1))
    
22. # 换成这样 时间效率高些
    
23. diff = np.subtract(face_encodings, face_to_compare)
    
24. all_distance = np.sum(np.square(diff), 1)
    
25. print('1比所有%d个重点人脸库计算欧式距离的平方，耗时(s)=' % len(face_encodings), time.time() - start_time)
    
26. print("结果距离的shape：", all_distance.shape, all_distance.dtype)
    

复制代码