位数组之间的普通矩阵乘积:
1, 0, 0
Matrix A = 1, 1, 1
0, 0, 1
1, 1, 0
Transpose of A = 0, 1, 0
0, 1, 1
C = Matrix A times (Transpose of Matrix A)
1, 1, 0
C = 1, 3, 1
0, 1, 1
A 是一个 1 和 0 的位数组。实际矩阵 A 很大,大约有 0.25% 的 1 项和 99.75% 的 0 项。
C 是一个整数数组。
如何在不使用大量内存的情况下快速计算?
目前,我正在 python 中使用 scipy 的稀疏矩阵乘法例程来压缩浮点 1.0 和 0.0 的稀疏行矩阵。我还尝试直接调用 mkl 库中的 c 函数以减少内存使用。
最佳答案
现有的性能库(例如 MKL)始终使用 float/double 作为数据类型。与将 A 转换为浮点 CSR,然后调用 .dot()
或某些 MKL 例程相比,您可能会发现编写自己的 bit-mat-mul
代码更快。您甚至不需要乘法运算。它只计算位数。
编辑
了解您的提问背景后,我建议您执行以下步骤。
- 将数组 A 转换为 CSR 格式并仅存储 col 索引和 row ptr;
- 对于 A 的每一行 i 和 j 行,计算公共(public) col 索引的数量并将结果存储在 C(i, j) 中,其中 i<=j 仅当 C 是对称的时。如果列索引已排序,这会很快。
稠密矩阵 C 就是您想要的。
给定 A 的尺寸 (b x 750,000) 和密度 (0.25%),C 的密度为 99.1%;每个 col 索引的平均长度为 1875。
所以你的问题变成了计算 2 个 1875-D 向量的公共(public)元素的数量 b*(b+1)/2
次。
for 循环的速度似乎是唯一剩下的问题。
关于python - 如何在Python中有效计算(稀疏)位矩阵上的矩阵乘积,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37574424/