Ich mache einige Benchmarks mit CUDA, C ++, C #, Java und verwende MATLAB zur Verifizierung und Matrixgenerierung. Wenn ich eine Matrixmultiplikation mit MATLAB durchführe, werden 2048x2048noch größere Matrizen fast sofort multipliziert. 1024x1024 2048x2048 4096x4096 --------- ---------...
Ich weiß, @ist für Dekorateure, aber wofür ist @=in Python? Ist es nur ein Vorbehalt für eine zukünftige Idee? Dies ist nur eine meiner vielen Fragen beim Lesen
In den Numpy-Dokumenten wird empfohlen, für die Arbeit mit Matrizen ein Array anstelle einer Matrix zu verwenden. Im Gegensatz zur Oktave (die ich bis vor kurzem verwendet habe) führt * jedoch keine Matrixmultiplikation durch, sondern Sie müssen die Funktion matrixmultipy () verwenden. Ich denke,...
Ich mache ein Benchmarking für die Matrixmultiplikation, wie bereits unter Warum ist MATLAB bei der Matrixmultiplikation so schnell erwähnt? Jetzt habe ich ein weiteres Problem: Wenn Sie zwei 2048x2048-Matrizen multiplizieren, gibt es einen großen Unterschied zwischen C # und anderen. Wenn ich...
Ich bin kürzlich zu Python 3.5 gewechselt und habe festgestellt, dass sich der neue Matrixmultiplikationsoperator (@) manchmal anders verhält als der Numpy-Punkt- Operator. Beispiel für 3D-Arrays: import numpy as np a = np.random.rand(8,13,13) b = np.random.rand(8,13,13) c = a @ b # Python 3.5+ d...
Ich habe zwei Matrizen a = np.matrix([[1,2], [3,4]]) b = np.matrix([[5,6], [7,8]]) und ich möchte das elementweise Produkt [[1*5,2*6], [3*7,4*8]]gleich bekommen [[5,12], [21,32]] Ich habe versucht print(np.dot(a,b)) und print(a*b) aber beide geben das Ergebnis [[19 22], [43 50]] Das...
Ich habe einen Matrix-Multiplikationscode, der so aussieht: for(i = 0; i < dimension; i++) for(j = 0; j < dimension; j++) for(k = 0; k < dimension; k++) C[dimension*i+j] += A[dimension*i+k] * B[dimension*k+j]; Hier wird die Größe der Matrix durch dargestellt dimension. Wenn die...