Python矩阵乘法索引交换内存使用示例

在c语言中，有一个关于内存利用重要性的例子：使用3个for循环（i，j，k）的朴素矩阵乘法。可以看出，由于内存合并，使用（i，k，j）比使用（i，j，k）快得多。在PythonNumpy中，if索引的顺序（同样是朴素的3个循环，而不是np.dot）并不重要。为什么会这样？

首先你需要知道为什么循环

（i，k，j）

比C上的

（i，j，k）

快。这是因为内存使用优化，在你的计算机内存中矩阵是以线性方式分配的，所以如果你使用

（i，k，j）进行迭代

在每个循环占用一块内存并加载到RAM的情况下，您使用的是对自己有利的方法。如果您使用

（i，j，k）

，您就是在使用它，每一步都会向RAM加载一块内存，并在下一步放弃，因为您是在迭代跳转块

numpy

的实现为您处理它，因此即使您使用最坏的顺序

numpy

也会使它工作得更快

丢弃缓存并一直更改它的事件被调用

---

在这里，您可以看到一个更好的解释，说明内存是如何分配的，以及为什么它以某种特定的方式更快

本机

c

多维数组不是指向其他数组的指针数组吗？有点像Python嵌套列表

numpy

阵列使用平面数据缓冲，并通过形状和步幅实现多维性。跨步的使用大大减少了对索引顺序的依赖。请为我澄清一下-您是如何在

numpy

中使用/控制索引顺序的？你不是在谈论Python级别的迭代吧？