Question

我试图在spark和scala中实现神经网络，但无法执行任何向量或矩阵乘法。 Spark提供两个向量。 Spark.util vector支持点操作但不推荐使用。 mllib.linalg向量不支持scala中的操作。

用于存储权重和训练数据的是哪一个？

如何使用像w * x这样的mllib在spark scala中执行向量乘法，其中w是向量或权重矩阵，x是输入。 pyspark vector支持点积，但在scala中我无法在向量中找到这样的函数

Answer 1

好吧，如果您需要完全支持线性代数运算符，您必须自己实现这些或使用外部库。在第二种情况下，显而易见的选择是Breeze。

它已在幕后使用，因此不会引入其他依赖项，您可以轻松修改现有的Spark代码以进行转换：

import breeze.linalg.{DenseVector => BDV, SparseVector => BSV, Vector => BV}

def toBreeze(v: Vector): BV[Double] = v match {
  case DenseVector(values) => new BDV[Double](values)
  case SparseVector(size, indices, values) => {
    new BSV[Double](indices, values, size)
  }
}

def toSpark(v: BV[Double]) = v match {
  case v: BDV[Double] => new DenseVector(v.toArray)
  case v: BSV[Double] => new SparseVector(v.length, v.index, v.data)
}

Mahout提供了您可能感兴趣的有趣Spark and Scala bindings。

对于简单的矩阵向量乘法，可以更容易地利用现有的矩阵方法。例如，IndexedRowMatrix和RowMatrix提供了可以采用局部矩阵的multiply方法。您可以查看Matrix Multiplication in Apache Spark以获取示例用法。

Apache spark mllib.linalg向量与用于机器学习的spark.util向量之间的区别

1 个答案: