大计算量优化方法总结

Matlab并行矩阵运算与Torch GPU加速：性能对比与优化
原创 于 2022-05-20 09:44:04 发布 · 431 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#matlab #矩阵 #机器学习

本文探讨了Matlab利用parfor进行并行计算在处理大规模矩阵时的效率，与Torch利用GPU加速计算技术，通过expand函数避免for循环的方法进行了速度对比。特别关注了计算大量数据向量间距离的实际场景。

文章目录

  • matlab并行计算
  • 矩阵计算优化
  • torch GPU加速计算

matlab并行计算

for循环

parfor 并行计算

矩阵计算

计算两个向量之间距离，23万数据形成矩阵巨大，先计算对角矩阵，然后翻转累加

torch GPU加速

利用GPU并行计算，将数据放入gpu，每行元素扩展为23万维，矩阵计算避免for循环，使用expand函数，

速度对比

后续补充

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值