اینک کتابخانه numpy یکی از معروف ترین و کاربردی ترین کتابخانه های زبان به شدت عالی پایتون😁
اما چی هست؟ اگه یادتون باشه یه نظرسنجی گذاشتیم در مورد بهبود حافظه برای متغییر اعدادیتون توی پایتون.
بله با این کتابخانه میشه به اندازه نیازتون حافظه اختصاص بدید
کاربرد numpy برای machine learning یکی از شاخه های AI و ... هست که به شدت کاربردی هست
شاید خیلی برای برنامه های ساده منطقی نیاد ازش استفاده کنید اما اگه بخوایید برنامتون وقتی سنگین میشه به مشکل نخورید بهتره فکر حافظه رو بکنید حتی اگه رمتون ۱۲۸ گیگه😕
اما بریم یه مثال خیلی ساده بزنیم

import numpy as np
import sys

arr = np.zeros((10000),np.int8)
arr2 = [0 for _ in range(10000)]

print(sys.getsizeof(arr))
print(sys.getsizeof(arr2))

output :

10112
85176

دقیقا چیشد؟ من با numpy اومدم یک array شامل ده هزار تا صفر تعریف کردم امااااااااا از نوع int8 یعنی یک بایت کلا (۸ بیت)
خوب چه فرقی کرد؟؟؟؟؟ صبر کنید عجله نکنید
بعدش میام یه آرایه عادی مثل همیشه که توی پایتون کار می کنیم تعریف می کنیم بازم با ده هزار تا صفر
بعدش میام از حافظه ای که جفتشون اشغال کردن پرینت میگیرم
جالب شد نه؟ حجم object آرایه ای که با numpy درست کردیم 10112 بایت شده و عادیش هم 85176 بایت. عجب فرقی نه؟
اما نکته مهم : آرایه عادی ما dynamic هست که یکی از صفات بارز زبان پایتونه اما توی کاربرد های خاص که فقط با اعداد ها کار داریم مخصوصا هوش مصنوعی برای سبک تر کردن پروژه باید از کتابخانه هایی استفاده کنید که کمی از dynamic بودنه دور شین تا برنامتون تکلیفش مشخص باشه
#Python #AI #Optimization #Memory
☕️ @CodeExplore