在Kaggle的许多笔记本中，我看到了一些用来减少数据内存使用的方法，例如将int64类型的列转换为int32类型。如果数据已经能够装入内存，为什么我们还要减少内存使用呢？这样做是否能让机器学习模型在数据上的训练速度更快？

回答：

是的。在许多模型中，会涉及到大量的特征向量计算。
例如，在多层感知机（MLP）中，我们会对特征表示进行加权求和，以在每个神经元中产生输出。

如果特征向量的分量是32位而不是64位，计算速度会快得多。

让我用一个简单的例子来说明：

结果如下所示。可以看到，在CPU上进行简单乘法运算时，int32的速度远快于int64。通常发现这种转换有助于节省训练时间/预测时间。

0.000869657381.7849500000000074e-06