我有一個 500×40K 的矩陣A和一個 40K 元素的向量q，形式為 numpy 數組。據估計，計算它們的點積需要 16 分鐘A.dot(q)。因為q我需要用 50K 來做這個計算（很多），我想盡可能地減少計算時間。計算Aand的點積q或更好的方法是A更有效的更好的方法Q嗎？Scipy似乎為此提供了一個解決方案，但我不太明白我應該如何在這里解決我的問題。有人可以幫我嗎？from time import process_timet1 = process_time()A[0,:].dot(q)t2 = process_time()print("Estimated Total Time:", (t2-t1)*A.shape[0]/60)
2 回答
富國滬深
TA貢獻1790條經驗 獲得超9個贊
這是您可以執行的操作的示例：
Q = np.hstack((q1, q2, q3, q4, ...)) B = np.dot(A, Q)
在輸出中，( ) 列i是和的乘積。即使對于您所需的數組大小，這也應該相當快。它甚至不應該像你提到的那樣花很長時間，可能在一分鐘左右的時間內。BB[:,i]Aq_i
動漫人物
TA貢獻1815條經驗 獲得超10個贊
如果您有足夠A的內存來保存所有q向量，那么如果您將所有q向量放入一個數組Q并調用A.dot(Q).
這是在配備 2.6 GHz Intel Core i7 和 16 GB 內存的筆記本電腦上。我正在使用交互式 Python shell ipython：
In [1]: import numpy as np
In [2]: rng = np.random.default_rng()
In [3]: A = rng.normal(size=(500, 40_000)).astype(np.float32)
In [4]: Q = np.ones((40_000, 50_000), dtype=np.float32)
In [5]: %timeit A.dot(Q)
7.79 s ± 235 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
那不到 8 秒——與 16 分鐘相差甚遠！
如果您沒有足夠的內存，則可能需要更長的時間，因為操作系統可能會開始將內存換出到磁盤。