vektorisering
Vektorisering er processen med at omdanne data eller operationer til en vektorrepræsentation, ofte for at udnytte parallelle beregninger eller maskinlæringsmodeller.
Kort fortalt
Vektorisering betyder at omskrive data eller kode, så den arbejder på hele arrays i stedet for enkelte elementer ad gangen – det gør beregninger hurtigere.
- Kategori
- teknik
- Niveau
- begynder
- Udtale
- [ʋɛɡtoʁiˈseˀɐ̯eŋ]
Betydninger
2- 1
Omdannelse af ikke-vektorformaterede data til en vektor (en-dimensionel numerisk række), typisk som forberedelse til maskinlæring.
- Inden træning af en klassifikator skal teksten vektoriseres ved hjælp af TF-IDF.
- 2
Teknik i programmering, hvor løkker erstattes af operationer på hele arrays for at opnå bedre ydeevne.
- NumPy's array-operationer gør vektorisering af beregninger enkel og effektiv.
Hvornår bruges det
Vektorisering anvendes især inden for numerisk computing og maskinlæring, hvor man erstatter løkker med array-operationer i værktøjer som NumPy. Det udnytter hardwareoptimeringer som SIMD-instruktioner og GPU-parallelisme.
Kodeeksempel
import numpy as np
# Uden vektorisering (løkke)
result = []
for i in range(1000000):
result.append(i * 2)
# Med vektorisering
result_vec = np.arange(1000000) * 2Sammenligning af en ikke-vektoriseret løkke og en vektoriseret operation med NumPy.
Oprindelse
Fra latin 'vector' (bærer) og '-isering' (gøren til); lånt fra engelsk 'vectorization'.
Afledte ord
1Kilder
1- NumPy documentation on vectorization