原子稀疏矩阵乘法和比较以避免内存不足错误

Question

我有两个稀疏矩阵A（逻辑，80274 x 80274）和B（非负整数，21018 x 80274）和一个向量c（正整数，21018 x 1）。

我想找到

的结果res（逻辑，21018 x 80274）

mat = B * A;
res = mat > sparse(diag(c - 1)) * spones(mat);

# Note that since c is positive, this is equivalent to
# res = bsxfun(@gt, mat, c-1)
# but octave's sparse bsxfun support is somewhat shoddy,
# so I'm doing this instead as a workaround

问题是B * A有足够的非零值（我认为60824321似乎不是很多，但不知何故，spones（mat）的计算在octave崩溃之前耗尽了超过1 GB的内存）以耗尽所有我的机器内存，即使其中大部分都不超过c-1。

有没有办法在不计算中间矩阵mat = B * A的情况下做到这一点？

澄清：它可能没关系，但B和c实际上是双矩阵，碰巧只是保持整数值（而B是稀疏的）。

Answer 1

你不能只处理mat的非零值吗？ （对于零值，您知道结果将为0）：

c = c(:); % make c a column
ind = find(mat>0); % linear index
[row, ~] = ind2sub(size(mat),ind); % row index within mat (for use in c)
res = mat(ind) > c(row)-1; % results for the nonzero values of mat

Answer 2

您可以尝试更新到Octave 3.8.1，bsxfun已经更新为稀疏感知，这大大提升了性能！