我在看
numpy.argmax
numpy
argmax
https://numpy.org/doc/stable/reference/generated/numpy.argmax.html
最后,我想知道原始数据类型的numpy argmax函数的
numpy argmax
理论平均运行时间
O(logN)
O(N)
这也可能是一个相关的问题:较慢的 numpy.argmax/argmin 的更快替代方案
提前致谢。
这里是使用
benchit
def m(x): return np.argmax(x) in_ = [np.random.rand(n) for n in [10,100,1000,10000]]
如您所见,它应该是
要在这里添加回复,因为数字自然取决于您的硬件,这应该为其他人提供一些见解。这是一个 benchit 结果,显示了内存结构如何影响结果,但是线性部分开始于大小为 10,000 左右的向量,比例为 1:1,对于大于 10,000 个样本的向量,一个很好的近似值是向量中每个值 5e-10 .