多种python方法实现矩阵运算

最新推荐文章于 2021-11-27 14:29:14 发布

原创

最新推荐文章于 2021-11-27 14:29:14 发布 · 865 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#矩阵运算 #python #mxnet #numpy #scipy

本文探讨了在Python中进行大维度矩阵运算的优化，对比了numpy、scipy、numpy.multi_dot以及mxnet的方法。尽管前三者在大矩阵乘法上的性能相似，但mxnet在运算效率上表现出显著优势，尤其适用于处理大型矩阵。mxnet.ndarray可以方便地与numpy.ndarray转换，但不直接支持DataFrame操作，需要额外转化步骤。

python在做数据处理方面有很大的优势，但是python的运行速度也一直是为诟病的。近期在工作中就遇到了大维度的矩阵乘法的运算，在作为服务时，响应时间略高，工程上需要在不部署其他分布式的前提下，优化运算速度。

接下来用不同的方式计算一个 100002400维和 240010000维的矩阵并分别输出计算花费的时间。

numpy 方式

	import numpy
	
	aa = np.random.rand(10000, 2400)
	bb = np.random.rand(2400, 10000)
	%timeit cc = np.dot(aa, bb)
	Output: 1 loop, best of 3: 9.21 s per loop