python中如何加快稀疏矩阵的计算

最近，我遇到了在python中加速稀疏矩阵计算的问题。现在，W的维数是[17000,2]，b的维数是[1,2]。当其他人使用web服务时，我将计算xW+b，其中x的维数为[11700]。但让我困惑的是，当我使用ab命令进行压力测试时，如果并发度低于每秒100，那么它可以以0.002毫秒的速度运行，但是如果并发度超过该限制，成本时间将飞涨到4毫秒，我想知道在这个过程中会发生什么

---

另外，所有相关矩阵都是稀疏矩阵

稀疏矩阵乘法，

x*W

混合使用Python和编译（cython）代码。我不知道为什么它比普通的

numpy

（密集）数组操作更容易出现这样的问题。我最终使用了scipy.sparse.csr_matrix.dot来计算，而不是直接使用x*W，我担心它会在过程中执行类似于todense（）或toarray（）的操作。我还使用了其他压力测试软件（Jmeter），问题消失了。