我正在用Jblas实现反向传播和梯度下降。
第1层是向量A：DoubleMatrix（M，1）
第2层是向量B：DoubleMatrix（N，1）
它们之间是权重W：DoubleMatrix（M，N）
在正向传球期间，我将B = W \乘以A
W.mmulti(A, B)
在反向传播期间，我正在计算A =（B ^ T \乘以W）^ T
A = B.transpose().mmul(W).transpose()
我编写了代码，以便所有内容都可以就地计算并且非常快。但是Jblas transpose（）方法创建了一个全新的对象并复制了所有数据，在每次迭代时调用两次都非常昂贵。有没有办法在乘法过程中使用DoubleMatrix转置，而不进行所有这些复制？看起来内部实现起来很容易 - 使用相同的数据对象，但是将调用切换到行和列。
答案 0 :(得分：1)
我问自己一个很好的问题。 我没有答案，但这个简单的事实可以挽救其中一个转换：
（B ^ T \乘以W）^ T = W ^ T * B
所以你要写
A = W.transpose().mmul(B)
答案 1 :(得分：0)
nd4j的作者在这里。我们添加了nd数组和常量时间转置以及矩阵乘法，它们与各种我们称之为“后端”的东西一起工作，其中一个是jblas。
API也与jblas非常相似。
INDArray arr = Nd4j.create（2,2）; INDArray结果= arr.mmul（arr）;
最好的部分是你得到cuda和（很快就会被添加！）opencl免费。
对于大多数事情我们已经迁移到netlib-java但是继续提供jblas（因为它非常稳定）但是在实践中相互运行后端我们已经找到了在jblas上进行复制操作的整洁操作（因为内部不能） t支持抵消）