Смотря где. Пример
Матричное умножение.
import numpy as np
import time
start = time.time()
a = np.ones([10000, 1000])
b = np.ones([1000, 10000])
c = np.matmul(a, b)
end = time.time()
print(end - start)
В примере две матрицы по 10 миллионов чисел. У меня на лаптопе i5 время выполнения около 3 секунд. Ну-ка кто сделает быстрей. Это потому, что в numpy нативная обработка с использованием всех доступных плюшек ЦПУ. С tensorflow еще круче можно использовать ГПУ. Так, что утверждение "медленный" - спорное . Конечно если велосипедить такие задачи в ручную то будет проблема.
P.S.
И не только. Молодой боец у меня в конторе принял проект на Андроид. Предложил использовать Kivy ( https://kivy.org/ ). Сначала было стремно. Дали ему зеленый свет. Переписал. Летает и все пучком . Почему? A потому, что снизу нативное использование openGL.
framer (13.02.2022 00:07, просмотров: 558) ответил cheblin на Python непроизводительный и медленный — почему это не проблема.