python - 在numpy中，Float16比Float32和Float64慢得多

This question already has answers here:

Python Numpy Data Types Performance
（2个答案）
5个月前关闭。
我试着运行一个代码片段，看起来像，

import numpy as np
import time

def estimate_mutual_info(X, neurons, bins = 5):
    xy = np.histogram2d(X, neurons, bins)[0]
    x = np.histogram(X, bins)[0]
    y = np.histogram(neurons, bins)[0]
    ent_x = -1 * np.sum( x / np.sum(x) * np.log( x / np.sum(x)))
    ent_y = -1 * np.sum( y / np.sum(y) * np.log( y / np.sum(y)))
    ent_xy = -1 * np.sum( xy / np.sum(xy) * np.log( xy / np.sum(xy)))
    return (ent_x + ent_y - ent_xy)

tic = time.time()
X = np.random.rand(12000, 1200)
Y = np.random.rand(12000, 10)
for j in Y.T:
    mi = 0
    for i in range(X.shape[1]):
        mi += estimate_mutual_info(X.T[i], j, bins = 2)
    print(mi)
toc = time.time()
print(str(toc - tic)+" seconds")

为了提高速度，我使用了float16，希望看到一些改进，但是float16比float32和float64慢得多。

X = np.random.rand(12000, 1200).astype('float16')
Y = np.random.rand(12000, 10).astype('float16')

将它们改为float16将导致执行时间84.57 seconds，而float64和float32分别执行36.27 seconds和33.25 seconds。我不确定，是什么原因导致flaot16的性能不佳。我的处理器是64 bit，使用python3.7和numpy-1.16.2。我不认为64位处理器对所有16位、32位和64位处理器都漠不关心。任何更正和洞察都是非常值得赞赏的。

最佳答案

最有可能的解释是你的处理器本身不支持FP16算法，所以它都是在软件中完成的，当然，这要慢得多。
一般来说，消费型英特尔处理器不支持FP16操作。

关于python - 在numpy中，Float16比Float32和Float64慢得多，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/56697332/