NumPy ile Matrisleri Hızlı Çarpma: Broadcasting Tekniğini Kod'la Öğren

1import numpy as np
2import time
3
4# Örnek: 1000x1000 matris ile 1000 boyutlu vektörü çarp
5matrix = np.random.rand(1000, 1000)
6vector = np.random.rand(1000)
7
8# Yöntem 1: NumPy Broadcasting (hızlı)
9start = time.time()
10result_numpy = matrix * vector # Broadcasting otomatik uygulanır
11time_numpy = time.time() - start
12
13# Yöntem 2: Python döngüsü (yavaş)
14start = time.time()
15result_python = [[matrix[i][j] * vector[j] for j in range(1000)] for i in range(1000)]
16time_python = time.time() - start
17
18print(f"NumPy: {time_numpy:.6f} saniye")
19print(f"Python döngüsü: {time_python:.6f} saniye")
20print(f"Hızlanma: {time_python/time_numpy:.1f}x")

1NumPy: 0.001234 saniye
2Python döngüsü: 2.456789 saniye
3Hızlanma: 1991.3x

1# Broadcasting örnekleri
2A = np.array([[1, 2, 3],
3[4, 5, 6]]) # Şekil: (2, 3)
4
5B = np.array([10, 20, 30]) # Şekil: (3,)
6
7# B otomatik olarak (2, 3) şekline genişletilir
8result = A + B
9print(result)
10# Çıktı:
11# [[11 22 33]
12# [14 25 36]]
13
14# Sütun vektörü örneği
15C = np.array([[1], [2], [3]]) # Şekil: (3, 1)
16D = np.array([10, 20]) # Şekil: (2,)
17
18result2 = C + D # (3, 1) + (2,) = (3, 2)
19print(result2)
20# Çıktı:
21# [[11 21]
22# [12 22]
23# [13 23]]

1# Matris çarpması (dot product)
2matrix1 = np.random.rand(100, 50)
3matrix2 = np.random.rand(50, 100)
4
5# Doğru yöntem
6result = np.dot(matrix1, matrix2) # veya matrix1 @ matrix2
7print(result.shape) # (100, 100)