我目前正在使用稀疏矩阵，并且必须将稀疏矩阵-矩阵乘法与全矩阵-矩阵乘法的计算时间进行比较。问题是稀疏矩阵计算比全矩阵计算慢得多。
我正在使用压缩行存储来压缩我的矩阵，并且将两个矩阵相乘非常耗时（四倍for循环），所以我想知道是否有更好的压缩格式更适合矩阵-矩阵运算（CRS非常方便）与矩阵向量计算）。
提前致谢！
它通常被称为“压缩稀疏行”(CSR)，而不是 CRS。转置、压缩稀疏列 (CSC) 也很常用，包括CSparse http://www.cise.ufl.edu/research/sparse/CSparse/该软件包最终成为许多系统的后端，包括 MatLAB 和 SciPy（我认为）。
组合 BLAS 还使用一种不太常见的双重压缩稀疏列 (DCSC) 格式。它再次压缩列索引，对于矩阵超稀疏的情况很有用。超稀疏矩阵的大多数列为空，这是二维矩阵分解时发生的情况。
也就是说，是的，有更多的开销。然而，您的操作现在主要由非零数的数量决定，而不是维度。因此，您的 FLOPS 可能会减少，但您仍然可以更快地得到答案。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
