numpy - 比 numpy.matmul 更快地将矩阵乘以其转置
问题描述
我在 python 中有一个大型 2D NumPy 数组 M,我想numpy.matmul(M, M.T)
计算numpy.dot(M, M.T)
.
但是,numpy.matmul
不会numpy.dot
利用转置乘法中涉及的对称性,所以我相信我正在做我真正需要做的工作的两倍。
有没有一种简单的方法可以通过利用对称性并只做一半的工作来加快速度?也许有一个 NumPy/SciPy 函数或其他一些我不知道的 python 库可以实现这一点?
解决方案
推荐阅读
- java - 使用 Guice 框架编写基于注解的方法拦截器时无法注入 java 对象
- angular - 根据表单输入字段的变化调用对话窗口
- javascript - 确定父容器子元素是否包含特定类并执行某些操作的条件
- javascript - 希望函数B等到函数A在AngularJS中完成
- python - Flask + uwsgi + keras 错误“该死!工人1(pid:5240)死亡,被信号11杀死:(尝试重生……)”
- python-3.x - 错误:AttributeError:“列表”对象没有属性“项目”?。我正在使用 python 3.6
- python - “SSHClient”对象没有属性“Popen”
- mysql - 对于连续读写的单个表,Galera Active-Active 有哪些风险?
- laravel - file_put_contents(xxx.pdf):无法打开流:没有这样的文件或目录”
- java - Java 中的 JavaScript console.count() 等价物是什么?