Numpy中的快速交叉熵

我已经提出了交叉熵的两个版本，一个是更矢量化的点积格式，另一个是你将在任何ML课程中看到的典型版本。我试图加快我的算法，因此将利用任何机会来加快它

---

我的问题是：考虑到Numpy库的体系结构和其他约束条件，上面哪种交叉熵损失实现计算得最快。

了解标签的典型值有助于基准测试。如果标签太短，纯python实现实际上可能比使用NumPy更快

回到你的问题上来，我想说点积已经是标量了（单个数字），“np点式”中不需要np.sum（它以另一种方式对乘积数组求和）

---

希望有帮助。

刚刚编辑过。

  cost = -(1.0/m) * np.sum(Y*np.log(A) + (1-Y)*np.log(1-A))

    Vectorized Version
  cost = -(1.0/m) * (np.dot(np.log(A), Y.T) + np.dot(np.log(1-A), (1-Y).T))