我在wikipedia上读到python是一种实现行主顺序的语言。但是我试图用两个矩阵相乘,我使用row major方法和column major方法访问。但是当我执行代码时,column major方法总是更快。 我将在这里发布我的代码片段:
class Matrix:
#flag indicates the type of matrix
def __init__(self, num_lines, num_cols, flag):
self.num_lines = num_lines
self.num_cols = num_cols
if flag == 0:
# First Matrix
self.matrix = [1]*num_lines*num_cols
elif flag == 1:
# Second Matrix
self.matrix = [0]*num_lines*num_cols
for i in range(num_lines):
for j in range(num_cols):
self.matrix[i*num_cols+j] = i+1
elif flag == 2:
# Result Matrix
self.matrix = self.matrix = [0]*num_lines*num_cols
def setMatrixValue(self, line, column, value):
self.matrix[line*self.num_cols + column] = value
def getMatrixValue(self, line, column):
return self.matrix[line*self.num_cols + column]
def multiplyMatrices(num_lines, num_cols, flag):
matrix_a = Matrix(num_lines, num_cols, 0)
matrix_b = Matrix(num_cols, num_lines, 1)
matrix_result = Matrix(num_lines, num_lines, 2)
# Column-major approach
if flag == 0:
start_time = time.time()
for i in range(matrix_result.num_lines):
for j in range(matrix_result.num_cols):
temp = 0
for k in range(matrix_a.num_cols):
temp += matrix_a.getMatrixValue(i, k) * matrix_b.getMatrixValue(k, j)
matrix_result.setMatrixValue(i,j,temp)
# Row-major approach
elif flag == 1:
start_time = time.time()
for i in range(matrix_result.num_lines):
for k in range(matrix_result.num_cols):
for j in range(matrix_a.num_lines):
matrix_result.setMatrixValue(i,j, matrix_result.getMatrixValue(i,j) + (matrix_a.getMatrixValue(i,k) * matrix_b.getMatrixValue(k,i)))
end_time = time.time()
print matrix_result.matrix
diffTime(start_time, end_time)
<> P>我意识到Python中的矩阵乘法比java或C++慢得多。有什么原因吗?在
Python速度很慢,因为它在运行时检查所有对象的类型,以决定要执行哪些操作(例如,当它看到'*'时应该使用哪个mult)。不仅如此,对于简单数据类型的大多数抽象都会在您将数据放入或移出对象时产生运行时开销。在
您可以使用numpy来缓解这些速度问题。e、 g
您所期望的行为是由访问顺序内存地址的优点引起的。所以这里
您可能希望在内部循环中递增列。在
在纯Python中,这个概念有一些问题。因为所有的int都是对象—要访问它们,首先要从列表中按顺序获取引用(good),然后需要访问引用的内存(non-sequential)以获取int对象(bad)。在
幸运的是,还有其他选择,比如numpy。另外,它还有测试良好的矩阵例程可以使用。在
相关问题 更多 >
编程相关推荐