如何加速 SciPy 中的稀疏矩阵运算？

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。