小编jer*_*111的帖子

numpy基于我与优化的 C/C++ 代码的令人震惊的比较，我试图了解怎么能这么快，这仍然远不能重现 numpy 的速度。

考虑以下示例：给定一个带有shape=(N, N)和的二维数组dtype=float32，它表示 N 维的 N 个向量的列表，我正在计算每对向量之间的成对差异。使用numpy广播，这简单地写为：

def pairwise_sub_numpy( X ):
    return X - X[:, None, :]

使用timeit我可以测量性能N=512：在我的笔记本电脑上每次通话需要 88 毫秒。

现在，在 C/C++ 中，一个简单的实现写为：

#define X(i, j)     _X[(i)*N + (j)]
#define res(i, j, k)  _res[((i)*N + (j))*N + (k)]

float* pairwise_sub_naive( const float* _X, int N ) 
{
    float* _res = (float*) aligned_alloc( 32, N*N*N*sizeof(float));

    for (int i = 0; i < N; i++) {
        for …