如何使用十进制，而不会对Python中的计算造成太大压力。

我使用线性回归梯度来计算我的模型的参数，而使用浮点数来计算线性模型，我每秒大约有200次迭代，这是可以的。但是由于我使用高斯模型，我开始发现关于浮点的错误已经不够了，所以我完全用十进制模块重写了代码

import decimal
decimal.getcontext().prec = 28

但当我计算这些参数时，我得到了如下结果

a = Decimal('-3.351803999105655683642509191E+5355')

---

每8小时进行3000次迭代。显然我不能用这么慢的代码。我的计算不需要这么精确。我不能使用带小数的浮点数，因为如果我尝试的话，它们不会一起产生很多错误。如何使其在计算中使用更少的数字？对于这种问题有什么建议吗

如果您不需要这样的精度，为什么不尝试设置一个较低的精度？如果速度很重要，可以试试numpy？您使用的是python 3.3或更高版本吗？如果不是，pypy上的cdecimal模块比内置的十进制模块快：1。numpy会如何帮助我？请解释！2.我使用Python 2.7.4。3.就我所能得到的而言，我可以使用quantize，但由于我的代码非常庞大，而且充满了不同的方程式——很难相信我必须将它应用到我拥有的每一个十进制数上。