假设我有一个10000x10000的矩阵W,其中有随机数,以及两个10000维的向量U和V,U中有随机数,V中充满了零。使用numpy或pytorch,计算U@W和V@W需要相同的时间。我的问题是,有没有一种方法可以优化矩阵乘法,让它在计算过程中跳过或忽略零,这样V@W这样的东西就可以更快地计算出来?import numpy as np
W
我正在写一个代码来使用KNN分析异常值,当我制作矩阵(70k X 70k)时,它对我的RAM (36 in )来说太大了,所以我用下面的代码将它们分成了7个10k x 10k元素的矩阵: matrices= [] matrices.append(np.zeros([10000, 10000]))
for(10000 * matric
从基因表达数据(40000个基因(变量)x 30个观察值)中,我想创建一个40000 x 40000协方差矩阵。这绝对比我的内存大。使用包'ff‘,我设法为相关性预先分配了一个40000x40000的空矩阵。然而,'cov‘或'cor’函数在我的系统上只能管理一个5000x5000的协方差矩阵,所以我必须按块进行1:5000,5001:1000
对不起,我的英语不太好,我现在和python一起工作,我遇到了一个问题,我不能把10000x10000的矩阵填充得太慢。我编写了一个“松弛法”,在这里我需要测试不同大小的matrix.What,你认为呢?.P.S,我等了3到5分钟才填满一个矩阵10000x10000。_n + 1): #(0,10000)
for j in