Numpy np.dot运行时间很长

我正在用numpy实现一个矩阵分解算法，发现我的代码运行了很长时间，导致jupyter内核重新启动。我将错误定位到使用np.dot的一行代码中。下面是一段代码，其中的行运行缓慢：

H = np.random.rand(n_features, 8)
print(H_start.T.shape) #(8, 10285)
print(t2t_matrix.shape) #(10285, 10285)
S_nom = H_start.T.dot(t2t_matrix) # this line takes a long time

---

有什么想法吗？我想不到（1028510285）矩阵会花这么长时间？

事实证明t2t_矩阵是一个“scipy.sparse.csc.csc_矩阵”，并且

---

H_start是一个“numpy.ndarray”。我必须使用t2t_矩阵转换t2t_矩阵。toarray（）。如果没有转换，jupyter笔记本会崩溃。

您打印了

H\u start

形状，但在点中使用了

H

。什么是“很长时间”？很长时间=超过一个小时，然后jupyter笔记本会崩溃。请看我下面的答案-它实际上是使用不同的矩阵类型执行点积。当我们不知道t2t_矩阵是如何生成的时，这不是一个非常有用的示例。任何人都不可能通过提供的代码发现数据类型的差异。是的，

dense.dot（sparse）

无法正常工作<代码>稀疏。点（密集）很好，就像

稀疏*稀疏

一样。但是纯稠密

点

尝试从稀疏到稠密的简单转换，这是错误的。比较

np.array（t2t\u矩阵）

和

t2t\u矩阵toarray（）

。