VIP20

本课程属于：010-高性能科学计算与并行加速 数学计算科学计算与计算物理工程 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

NumPy向量化与内存访问优化

共计 30 章节

可可资料掘金营 · 点击在线试看

课程导入与性能思维建立

从Python循环到NumPy向量化… · 理解向量化与内存访问优化的核心价值 · 建立性能分析的基本思维

课程导入性能思维建立

NumPy数组内存布局剖析

ndarray对象结构 · 数据缓冲区 · dtype

NumPy数组内存布局剖析

内存访问模式与缓存效应

CPU缓存层次 · 缓存行 · 空间与时间局部性

内存访问模式缓存效应

向量化基础

通用函数（ufunc）与广播机制 · 掌握逐元素运算的向量化改写 · 避免显式Python循环

向量化基础ufunc

广播机制深入与内存陷阱

广播规则 · 视图与副本的区分 · 分析广播导致的大内存临时数组问题及优…

广播机制深入内存陷阱

视图与副本的精确控制

切片 · reshape · ravel

视图副本的精确控制

高级索引与内存开销

花式索引 · 布尔索引产生的副本机制 · 对比np.take

高级索引内存开销

结构化数组与内存对齐

结构化dtype的内存布局 · 对齐与填充 · 优化字段访问与批量操作

结构化数组内存对齐

内存预分配与原地操作

out参数 · +=等原地运算 · np.empty预分配

内存预分配原地操作

NumPy与Python循环的性能对比实战

使用timeit与perfplot对… · 量化向量化收益

使用line_profiler与memory_profiler定位热点

逐行分析函数耗时与内存增长 · 识别非向量化代码与内存泄漏点

NumPy底层机制

迭代器协议与缓冲 · 理解ufunc内部循环 · 类型转换与缓冲对性能的影响

NumPy底层机制

避免隐式类型转换与提升

dtype选择对内存带宽与计算速度的… · 使用np.result_type与a…

避免隐式类型转换提升

内存映射文件处理超大数组

np.memmap原理与实战 · 处理超出RAM的数据集 · 优化磁盘I/O与访问模式

内存映射文件处理…np.memmap

分块与滑动窗口向量化

将大数组切分为缓存友好的块 · 实现分块计算与滑动窗口操作 · 避免全数组临时副本

分块滑动窗口向量化

einsum与张量收缩的高效实现

使用np.einsum表达复杂向量化… · 对比广播与循环的性能 · 优化内存访问顺序

einsum张量收缩的高效实…

随机数生成与向量化

np.random模块的向量化采样 · 避免循环生成随机数 · 控制内存与随机种子

随机数生成向量化

排序与搜索的向量化优化

argsort · partition · searchsorted的向量化应用

排序搜索的向量化优化

聚合与归约操作的性能调优

sum · mean · max等沿轴归约的内存访问模式

聚合归约操作的性能调…

NumPy与Numba结合加速

使用@vectorize与@jit将… · 突破NumPy向量化限制

NumPy与Cython/C扩展的内存交互

通过Cython直接操作NumPy数… · 减少Python开销与内存复制

多线程与并行向量化

利用NumPy的并行ufunc（如n… · 提升多核利用率

多线程并行向量化

理解NumPy如何利用SIMD指令 · 通过数据对齐与连续内存布局最大化SI…

内存池与分配器优化

NumPy内存分配策略 · PyDataMem_NEW与自定义分… · 减少频繁分配释放的开销

内存池分配器优化

稀疏矩阵与向量化

scipy.sparse的存储格式与… · 避免稠密化带来的内存爆炸

稀疏矩阵向量化

图像处理中的向量化与内存优化

使用NumPy对图像数组进行滤波 · 变换等操作 · 优化内存访问与缓存利用

图像处理向量化

时间序列滑动统计的向量化实战

实现移动平均 · 滚动标准差等 · 对比循环

时间序列滑动统计…实现移动平均

科学计算中的原地更新与内存复用

在迭代算法中复用数组缓冲区 · 减少内存分配 · 提升大规模模拟效率

科学计算原地更新

性能剖析综合案例

对一个真实数据处理管道进行端到端剖析 · 定位内存与计算瓶颈 · 实施向量化与内存优化

性能剖析综合案例对一个真实数据处…

课程总结与优化检查清单

回顾向量化与内存访问优化的核心原则 · 形成可复用的性能检查清单与最佳实践

课程总结优化检查清单