Question

我正在起草/测试我为解决速度和效率的微分方程而设计的技术。

这需要存储，操作，调整大小和（在某些时候）可能对非常大的稀疏矩阵进行对角化。我希望能够有由零和一些（比如＆lt; 5）组成的行，并一次添加几个（按照使用的cpus数量的顺序）。

我认为让gpu加速是有用的 - 所以任何关于采取优势的方法的建议也会受到赞赏（比如pycuda，theano等）。

Answer 1

对称稀疏矩阵的最有效存储方法可能是sparse skyline format（例如，这是英特尔MKL使用的）。 AFAIK scipy.sparse不包含稀疏的对称矩阵格式。但是，Pysparse does。使用Pysparse，您可以使用链接列表格式逐步构建矩阵，然后将矩阵转换为稀疏天际线格式。性能方面，我通常发现Pysparse优于scipy大型稀疏系统，并且所有基本构建块（矩阵乘积，特征值求解器，直接求解器，迭代求解器）都存在，尽管例程的范围可能稍微小一点比scipy中的可用。

Answer 2

您可以使用字典和元组来访问数据：

>>> size = (4,4)
>>> mat = {}
>>> mat[0,1] = 3
>>> mat[2,3] = 5
>>> for i in range(size[0]):
        for j in range(size[1]):
            print mat.get((i,j), 0) ,
        print

0 3 0 0
0 0 0 0
0 0 0 5
0 0 0 0

当然你应该为它做一个课程并添加你需要的方法：

class Sparse(dict):
    pass

BTW，你也可以使用scipy lib

中的scipy.sparse

Answer 3

使用scipy.sparse。

在python中存储大对称稀疏矩阵的最有效方法

3 个答案: