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@)