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. 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. 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) * 2

Sammenligning 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

1

Kilder

1
  • NumPy documentation on vectorization