我們正在計算運行時受矩陣運算約束的東西。（如果感興趣，請參閱下面的一些細節。）這次經歷提出了以下問題民間有沒有使用Java庫的矩陣數學性能經驗（例如，乘法，逆等）？例如：JAMA小馬Apache公共數學我搜查了一下，一無所獲。我們的速度比較詳情：我們使用的是英特爾FORTRAN（ifort（IFORT）10.1 20070913）。我們使用Apache commons math 1.2矩陣運算在Java（1.6）中重新實現了它，并且它同意所有的精度數字。（我們有理由在Java中想要它。）（Java雙打，Fortran真* 8）。Fortran：6分鐘，Java 33分鐘，同樣的機器。jvisualm profiling顯示了在RealMatrixImpl中花費了大量時間。{getEntry，isValidCoordinate}（在未發布的Apache commons math 2.0中似乎已經消失了，但2.0并不快）。Fortran正在使用Atlas BLAS例程（dpotrf等）。顯然這可能取決于我們在每種語言中的代碼，但我們相信大部分時間都在等效的矩陣運算中。在其他幾個不涉及庫的計算中，Java并沒有慢得多，有時甚至更快。
3 回答
幕布斯6054654
TA貢獻1876條經驗 獲得超7個贊
只是加我2美分。我比較了其中一些庫。我試圖矩陣乘以3000乘3000矩陣的雙精度。結果如下。
使用帶有C / C ++，Octave，Python和R的多線程ATLAS，所花費的時間大約為4秒。
使用Jama with Java，所用時間為50秒。
使用Colt和Parallel Colt與Java一起使用時間為150秒！
使用JBLAS和Java，由于JBLAS使用多線程ATLAS，所以花費的時間大約為4秒。
所以對我來說很明顯，Java庫的表現并不好。但是，如果有人必須使用Java編寫代碼，那么最好的選擇是JBLAS。賈馬，科爾特和平行柯爾特并不快。
慕尼黑8549860
TA貢獻1818條經驗 獲得超11個贊
我是Java Matrix Benchmark（JMatBench）的作者，我將對這個討論給出我的看法。
Java庫之間存在顯著差異，雖然在整個運營范圍內沒有明顯的贏家，但在最新的績效結果（2013年10月）中可以看到一些明顯的領導者。
如果您正在使用“大型”矩陣并且可以使用本機庫，那么明確的贏家（大約快3.5倍）是具有系統優化的netlib的MTJ。如果您需要純Java解決方案，那么MTJ，OjAlgo，EJML和Parallel Colt都是不錯的選擇。對于小型矩陣，EJML是明顯的贏家。
我沒有提到的庫顯示出重大的性能問題或缺少關鍵功能。
添加回答
舉報
0/150
提交
取消