Performance Numpy V^t V-寻找更快的计算方法
有人想到过一种快速的方法来加速正交的和三对角对称的,相对于什么来加速吗?你有没有试过速度太慢的东西?你有没有试过直接的Performance Numpy V^t V-寻找更快的计算方法,performance,numpy,matrix,orthogonal,Performance,Numpy,Matrix,Orthogonal,有人想到过一种快速的方法来加速正交的和三对角对称的,相对于什么来加速吗?你有没有试过速度太慢的东西?你有没有试过直接的np.dot(V.T,np.dot(T,V))或V。T@T@V?或者你希望能用V和T的特殊几何结构来更快地计算它?嗨,这就是我在区间I(N)中尝试的:区间j(N):区间k(N):tv[k]=offDiag[k-1]*V[j,k-1]+Diag[k]*V[j,k]+offDiag[k]*V[j,k+1]Q[I,j]=np.dot(V[I,:],tv[I,:]对于在100x100矩阵
np.dot(V.T,np.dot(T,V))
或V。T@T@V
?或者你希望能用V
和T
的特殊几何结构来更快地计算它?嗨,这就是我在区间I(N)中尝试的:区间j(N):区间k(N):tv[k]=offDiag[k-1]*V[j,k-1]+Diag[k]*V[j,k]+offDiag[k]*V[j,k+1]Q[I,j]=np.dot(V[I,:],tv[I,:]对于在100x100矩阵上用对角线相乘1000次,我得到np.dot(np.diag(D),a)的13.58秒,(D*a.T.)T的1.72秒和D[:,newaxis]*a的1.69秒