我对算法和内存优化非常陌生，并试图提高我对它的总体理解。我确信这是一个非常基本的问题，但是我自己找不到答案，我希望有人能帮我解决这个问题。在C中实现矩阵乘法时，假设矩阵存储为2D NxN数组，则此任务的简单且最基本的方法可写为： for (i=0; i<N; i++) for(k=0; k<N; k++)
浏览 23提问于2020-09-12得票数 0
回答已采纳
4回答
我对与高性能计算相关的术语完全陌生，但我刚刚看到EC2在亚马逊网络服务上发布了由新的Nvidia Tesla V100驱动的新型实例，它有两种“核心”：Cuda核心(5,120)和张量核心(640)。两者之间的区别是什么？
浏览 106提问于2017-11-17得票数 54
回答已采纳
1回答
实际上有两个问题，但我想让它更具描述性：举个例子：cck_encoding_table(4,:)= [ 1j -1 1j 1 -1j 1 1j 1 ];cck_n_code=exp(1j*Phi1)*cck_encoding_table(inde
浏览 0提问于2011-05-10得票数 4
回答已采纳
1回答
我对十进制值和整数值之间的运算有疑问。 ? 我不明白为什么乘法的结果会遵循变量的定义(decimal(5,2))，但是在除法中，我得到了比预期更多的小数。
浏览 22提问于2020-04-06得票数 0
1回答
我正在尝试实现一个卷积神经网络，我不明白为什么使用im2col操作更有效。它基本上是将输入乘以过滤器存储在单独的列中。但是为什么不应该直接使用循环来计算卷积而不是第一次执行im2col呢？
浏览 4提问于2017-09-14得票数 13
回答已采纳
为什么？它在FFT、INV、LU计算中也较慢，这应该与矩阵除法有关。然而，GPU在矩阵乘法(相同的数据)中要快得多：以下
浏览 2提问于2013-02-16得票数 6
4回答
我想知道，通过立即使用一个专门的实现来评估整个表达式，我是否能够得到一个比我现在拥有的通用实现更快的实现。一些让我相信的观察结果是：
A及其共轭转座子显然具有一个非常相关的结构，可以用来改进整个表达式的内存<e
浏览 14提问于2014-02-27得票数 9
回答已采纳
我不知道问这个问题的最佳地点在哪里，但我目前正在使用ARM本质，并遵循以下指南： } }由于C、C1、C2、C3顺序访问C的
浏览 1提问于2021-05-30得票数 0
回答已采纳
我在matlab中处理非常大的数据，用来将这些数据存储在矩阵中。我过去常常按行存储数据，但是由于Matlab存储的是数据列，所以我理解重新构造矩阵使我逐行索引使处理速度更快。摘要Part1:但我不明白为什么细胞效率更高！seconds.
这
浏览 1提问于2011-11-09得票数 4
回答已采纳
2回答
如果转换由矩阵A表示，则最后的转换将由A^N . p给出。矩阵乘法是昂贵的，我假设特征分解和对角化将加速整个过程。但令我惊讶的是，这个被认为是改进的方法需要更多的时间。我在这里错过了什么？
浏览 8提问于2020-01-22得票数 2
回答已采纳
1回答
我必须通过许多其他矩阵的有序乘法生成一个矩阵(物理学中的传播子)。每个矩阵的大小约为(30,30)，所有实项(浮动)，但不对称。要乘的矩阵数在1e3到1e5之间变化。每个矩阵与以前的矩阵只略有不同，但是它们不是可交换的(最后，我需要所有这些非交换乘法的乘积)。每个矩阵都是特定
浏览 6提问于2021-01-14得票数 0
为什么内存使用量会随着过滤器的大小而增大？, output_channels]的二维矩阵.对于每个补丁，右乘滤波矩阵和图像补丁向量.我最初只是把这看作是对过程的一种描述，但如果tensorflow实际上是从引擎盖下的图像中提取和存储单独的过滤器大小的“补丁”，那么信封背面的计算表明，在我的情况下，所涉及的中间计算需要130 if
浏览 5提问于2017-08-30得票数 6
回答已采纳
2回答
原题：
我观察到，在Matlab中，稀疏矩阵向量乘法比Python (使用枕稀疏矩阵)快4到5倍。Matlab中这种稀疏矩阵向量乘法比在中要快，我怎样才能使它在中同样快一些呢？在Python中，如果我将线程数设置为1，则密集矩阵向量乘法的运行时会受到严重影响
浏览 5提问于2017-08-04得票数 3
5回答
在处理器上，浮点计算既不是关联的，也不是分布式的。所以,并且a * (b + c)不等于a * b + a * c所以我的问题是，如何在多线程程序中实现浮点计算
浏览 0提问于2011-09-10得票数 19
回答已采纳
1回答
我试图找到一个解释，为什么我使用Numba的矩阵乘法比使用NumPy的点函数慢得多。虽然我使用Numba编写矩阵乘法函数的最基本的代码，但我不认为性能显著降低是由于算法。为简单起见，我考虑两个k x k方阵，A和B。1000 x 1000矩阵重复运行此代码，通常至少需要大约1.5秒才能完成。另一方面，如果我不更新矩阵C，例如，如果我删除第14行，或者为了测试而将其
浏览 0提问于2021-04-06得票数 1
2回答
这是我刚发现的东西。由于某种原因，在Armadillo中，将稠密矩阵乘以稀疏矩阵比乘以稀疏和稠密矩阵(即倒序)要慢得多。以下是R中的一些时间，在几个相当大的垫子上：# 10000 x 10000 sparse matrices, 99% sparse
a <- rsparsematrixsystem.time(mult_den_sp_to_s
浏览 0提问于2018-04-11得票数 3
回答已采纳
3回答
为什么BLAS有一个用于矩阵-矩阵乘法的gemm函数和一个用于矩阵-向量乘法的单独的gemv函数？矩阵-向量乘法不只是矩阵-矩阵乘法的特例，其中一个矩阵只有一行/列吗？
浏览 3提问于2011-08-16得票数 24
回答已采纳
4回答
假设我想把两个矩阵相乘，50乘50。我有两种方法来安排线程和块。b)每个乘法都有一个线程。结果矩阵的每个元素需要50个线程。在完成乘法运算后，我可以使用二进制缩减来对结果求和。
我不知道该走哪条路，所以我走了b路。它不太理想。事实上，它是很慢的。知
浏览 0提问于2010-10-05得票数 5
回答已采纳
2回答
我发现，如果一个矩阵(几乎)是满的，那么将其存储在稀疏中会导致(更多)更多的计算时间。
虽然以稀疏的形式存储一个完整的矩阵是微不足道的，但我只想知道这一事实背后的原因。我的猜测是稀疏的索引读数将是计算时间的主要贡献者。还有其他优雅的想法吗？
浏览 3提问于2011-08-15得票数 4
回答已采纳
4回答
-a n0 1)))(define (fact n) [(= 0 n) 1]在第31节的底部，指出，自然递归版本通常与累加器版本一样快我对此做了一些解读，答案似乎是，但维基百科的文章似乎与HtDP的说法不一致，至少在性能方面是这样。为何会这样呢？
在工作中，递归样式更快。在国内，累加器的速度更快。是
浏览 5提问于2011-01-19得票数 12
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
