Update readme

README.md

@@ -1,20 +1,20 @@
 # Neural Network ++
 
-> Neural Network++ - это движок для ~путешествия в Мордор~ создания нейронных сетей написанный на С++
+> Neural Network++ - это движок для ~путешествия в Мордор~ создания нейронных сетей
 
 ## Стек:
 
 - [C++ 23](https://ru.wikipedia.org/wiki/C%2B%2B23)
-- [OpenCL](https://ru.wikipedia.org/wiki/OpenCL)
+- [OpenCL](https://ru.wikipedia.org/wiki/OpenCL) - библиотека GPGPU (вычисления на видеокарте)
-- [pybind11](https://github.com/pybind/pybind11)
+- [pybind11](https://github.com/pybind/pybind11) - создание С++ библиотеки для Python
 - **Всё!** :wink:
 
 ## О проекте:
 
 - Движок для создания нейронных сетей
-- Поддерка вычислений на CPU или на GPU
+- Поддержка вычислений [на CPU](./src/tensor/cpu/) или [на GPU с использованием OpenCL](./src/tensor/opencl/)
-  - [Алгоритмы с массовым параллелизмом на GPU](./src/tensor/opencl/kernels) для ускорения
+  - [Алгоритмы массового параллелизма на GPU](./src/tensor/opencl/kernels) для быстрых вычислений
-  - Классические алгоритмы на CPU для проверки вычислений
+  - Классические алгоритмы на CPU для возможности проверки
 - [Класс Tensor](./src/tensor/tensor.hpp) для работы с тензорами произвольной размерности
 
 ## Forward & Back propogation - это путешествие в Мордор и обратно!

src/run.py

@@ -1,10 +1,54 @@
 from tensor.tensor import *
+import numpy as np
+import time
 
 if (MODE == PLATFORM.OPENCL):
     init("./tensor/")
 
 a = Matrix([1024, 1024], 1)
-a += 1
 b = Matrix([1024, 1024], 1)
-c = a @ b
+
-print(c)
+
+def benchmark_tensor():
+    c = ((a @ b) @ (a @ b)) @ ((a @ b) @ (a @ b))
+    return c
+
+
+a_np = np.ones([1024, 1024], dtype=np.float32)
+b_np = np.ones([1024, 1024], dtype=np.float32)
+
+
+def benchmark_numpy():
+    c = ((a_np @ b_np) @ (a_np @ b_np)) @ ((a_np @ b_np) @ (a_np @ b_np))
+    return c
+
+
+# Многократное выполнение для более точного измерения
+iterations = 5
+
+print("Бенчмарк Tensor:")
+tensor_times = []
+for i in range(iterations):
+    start = time.time()
+    result_tensor = benchmark_tensor()
+    print(result_tensor)
+    tensor_times.append(time.time() - start)
+
+print("Бенчмарк NumPy:")
+numpy_times = []
+for i in range(iterations):
+    start = time.time()
+    result_numpy = benchmark_numpy()
+    print(result_numpy)
+    numpy_times.append(time.time() - start)
+
+print(
+    f"\nСреднее время Tensor: {np.mean(tensor_times):.4f} ± {np.std(tensor_times):.4f} сек")
+print(
+    f"Среднее время NumPy: {np.mean(numpy_times):.4f} ± {np.std(numpy_times):.4f} сек")
+
+ratio = np.mean(numpy_times) / np.mean(tensor_times)
+if ratio > 1:
+    print(f"Tensor быстрее в {ratio:.2f} раз")
+else:
+    print(f"NumPy быстрее в {1/ratio:.2f} раз")