如何解决如何加速 SciPy 中的稀疏矩阵运算?
我使用的矩阵是 BSR 稀疏矩阵。我需要以 BSR 格式执行矩阵乘法并将其添加到密集矩阵中。我想知道是否有更快的方法来做到这一点?
我在课堂上做。相关部分代码如下:
import numpy as np
from scipy import sparse
Ts = np.zeros((self.Ks*self.D,self.Ks*self.D),dtype="float32")
n = data.shape[0]
for i in range(n):
B = self.W[i] # a CSC sparse matrix
x = self.train_data[i]
s0 = B.T.dot(x)
s0 = s0.reshape(self.D*self.Ks,1)
s0 = sparse.bsr_matrix(s0,blocksize=(self.Ds,1))
Ts += (self.eta-1)*s0@s0.T + B.T@B # This line cost most time
预先感谢您的任何帮助/建议。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。