Python 用LAPACK进行奇异值分解:大矩阵问题
我使用LAPACK的C接口来计算矩阵的奇异值分解(SVD)。为此,我正在使用例程Python 用LAPACK进行奇异值分解:大矩阵问题,python,c++,lapack,svd,lapacke,Python,C++,Lapack,Svd,Lapacke,我使用LAPACK的C接口来计算矩阵的奇异值分解(SVD)。为此,我正在使用例程dgesvd\uu 我创建了一个简单的C++脚本,它创建了一个随机矩阵(带有 M< /Cord>行和 N< /代码>列),并计算其SVD。此脚本的代码如下所示: #include <iostream> #include <random> #include "lapacke.h" #define M 150 #define N 3 #define MEAN 0 #define STD 0.25
dgesvd\uu
我创建了一个简单的C++脚本,它创建了一个随机矩阵(带有<代码> M< /Cord>行和<代码> N< /代码>列),并计算其SVD。此脚本的代码如下所示:
#include <iostream>
#include <random>
#include "lapacke.h"
#define M 150
#define N 3
#define MEAN 0
#define STD 0.25
int main(int argc, char *argv[])
{
std::default_random_engine generator;
std::normal_distribution<double> distribution(MEAN, STD);
int m = M, n = N, lda = M, ldu = M, ldvt = N, info, lwork;
double wkopt;
double* work;
double s[n], u[ldu * m], vt[ldvt * n], a[lda * n];
for(unsigned int k = 0; k < (lda * n); k++){
a[k] = distribution(generator);
}
lwork = -1;
dgesvd_("All", "All", &m, &n, a, &lda, s, u, &ldu, vt, &ldvt, &wkopt, &lwork, &info);
lwork = (int)wkopt;
work = (double*) malloc(lwork * sizeof(double));
dgesvd_("All", "All", &m, &n, a, &lda, s, u, &ldu, vt, &ldvt, work, &lwork, &info);
if(info > 0){
std::cerr<< "The algorithm computing SVD failed to converge\n" ;
exit(1);
}
free(work);
std::cout<<"Singular values:\n";
for(unsigned int k = 0; k < n; k++){
std::cout<<s[k]<<" ";
}
std::cout<<"\n";
return(0);
}
当我使用Python时,奇异值的计算似乎是正确的,没有任何错误,尽管我使用的NumPy方法是使用LAPACK例程dgesdd_uu
执行的(我尝试了这一点,并引发了相同的错误)
有人知道为什么会发生这种错误吗?如能帮助解决此问题,我们将不胜感激。谢谢
Pd:我使用的是lapacke的3.6.0版和Ubuntu 16.04 LTS。在堆上这样分配矩阵可以解决问题:
double* s = new double[n];
double* u = new double[ldu * m];
double* vt = new double[ldvt * n];
double* a = new double[lda * n];
如果你在C++编程,为什么你使用<代码> Malc C/代码>代替<代码> NeX[]/COD>,或者更好的是<代码> STD::向量< /代码>?特别是因为你没有为
malloc
。您正在堆栈上分配大型结构,例如u[ldu*M]
是8*1500*1500=18MB
。您应该避免这种情况,而是在堆上分配u
。
double* s = new double[n];
double* u = new double[ldu * m];
double* vt = new double[ldvt * n];
double* a = new double[lda * n];