什麼是使python的矩陣運算更快的最佳方式

雖然我正在模擬我的代碼中的執行時間，但我發現以下三行佔用了幾乎99％的運行時間，所以我的目標是優化這些三行代碼。什麼是使python的矩陣運算更快的最佳方式

有關以下代碼的細節是： R，P，Q均爲稀疏矩陣，我使用scipy.sparse.lil_matrix，數據類型是np.float64，和α，β都只是漂浮恆定。

eij = R[i, j] - np.dot(P[i, :], Q[:, j])        (~9s) 
    for k in range(K):            (~11s) 
     P[i, k] += alpha * (2 * eij * Q[k, j] - beta * P[i, k]) 
     Q[k, j] += alpha * (2 * eij * P[i, k] - beta * Q[k, j])

我怎麼能讓他們跑得快呢？

來源

2013-04-23 chentingpc

嘗試[numexpr]（http://code.google.com/p/numexpr/） – JBernardo 2013-04-23 02:57:33

@JBernardo：很酷！比['pyopencl']更容易（http://documen.tician.de/pyopencl/） – Kabie 2013-04-23 03:04:15

@JBernardo提交作爲答案？ – jamylak 2013-04-23 03:35:11

事實證明，numpy的具有優化矩陣式操作，所以retwrite代碼爲：

eij = rating_train[i, j] - np.dot(P[i, :], Q[:, j]) 
P[i, :] += alpha * (2 * eij * Q[:, j] - beta * P[i, :]) 
Q[:, j] += alpha * (2 * eij * P[i, :] - beta * Q[:, j])

這是一個關於1時間比原來的代碼更快。但我仍然不滿意它。

來源

2013-04-23 14:40:04 chentingpc

什麼是使python的矩陣運算更快的最佳方式

回答

相關問題