使用anaconda scipy对角化大型矩阵时出错

文章/答案/技术大牛

发布

1回答

python、scipy、anaconda、lapack

我最近从在mac上使用自制的python切换到使用anaconda，并且在对角化大型(Ish)矩阵时开始出现错误。使用大约3000x3000个条目以上的矩阵调用scipy.linalg.eigvalsh(A)时会出现错误： $HOME/anaconda2/lib/python2.7/site-packages/scipy/

浏览 8提问于2017-12-16得票数 2

回答已采纳

1回答

苹果硅上高效/并行矩阵例程

python、numpy、matrix、scipy、scientific-computing

我在物理领域工作，作为我工作的一部分，我必须做大量的数值计算(“数字”)，其中的90+%涉及到大型矩阵的对角化。目前，我在Python中使用NumPy/SciPy；特别是numpy.linalg.eigh，或者scipy.sparse.linalg.eigsh，如果矩阵是稀疏的，并且我不需要所有的特征值/特征向量我使用PyCharm和Anaconda，从来没有想过这些例程是如何实现的，以及它们是否有效。不幸的是，我

浏览 6提问于2022-06-04得票数 0

回答已采纳

2回答

用Python对角对称稀疏矩阵的对角化

python、numpy、matrix、scipy、linear-algebra

我有一个由NxN代码计算的对称三对角矩阵，我想对它进行对角化。在特定的情况下，我要处理的是N = 6000，但是矩阵可以变得更大。由于它是稀疏的，所以我认为对角化的最好方法是使用算法scipy.sparse.linalg.eigsh()，它在我所使用的其他稀疏和对称矩阵(虽然不是三对角矩阵)中表现非常好。它是否与三对角矩阵的某些性质有关？哪个P

浏览 1提问于2017-09-21得票数 3

回答已采纳

1回答

用Python/Scipy实现大型稀疏矩阵对角化

python、scipy、sparse-matrix

我正在处理一个大的(复杂的) Hermitian矩阵，我正在尝试使用Python/Scipy有效地对它进行对角化。使用scipy.linalg的eigh函数，生成和对角化一个大约800x800的矩阵并计算所有特征值和特征向量大约需要3秒。我的问题中的特征值对称地分布在0附近，范围大约是-4到4。我的矩阵是稀疏的，所以通过eigsh使用scipy.sparse包及其函数来

浏览 2提问于2013-10-05得票数 2

1回答

ValueError:在linux服务器上无法使用标准32位LAPACK执行所需的太大的工作数组--计算。

python-3.x、numpy、scipy、anaconda、svd

当我使用scipy.linalg.svd()处理大型矩阵时，程序会给出以下错误消息： File "LaplacianMatrix.pyLaplacianMatrix.py", line 67, in LaplacianPinv File "/home/task3/dylan/an

浏览 1提问于2019-06-20得票数 2

1回答

用Python并行精确矩阵对角化

python、numpy、scipy、linear-algebra、numerical-methods

是否有人知道并行精确矩阵对角化的实现版本(可能使用的是the /numpy)(等价地，找到特征系统)？如果有帮助的话，我的矩阵是对称的和稀疏的。我不想花一天的时间重新发明轮子。编辑：我的矩阵至少有10,000×10,000(但最好至少大20倍)。目前，我只能访问一台4核英特尔机器(超线程，每个内核有2个进程)，每台拥有12 to的3.0GHz。稍后，我可能可以访问具有256 my内存的128核节点~3.6GHz/核，因此单机/多核应该这样做(对于我的其他并行任务，我一直在<

浏览 7提问于2014-07-28得票数 1

回答已采纳

1回答

scipy的SIGSEV断层

python、python-3.x、scipy、eigenvalue

在用scipy的linalg.eigh对角化矩阵时，我遇到了'SIGSEGV‘故障。下面的代码在for循环的几次迭代之后重现这个问题：import scipy.linalg as linalg a = a + a.H E, R = linalg.eigh(a.todense()) 经过单步执行和调试，

浏览 8提问于2019-11-14得票数 2

回答已采纳

1回答

用OpenCV计算特征值、特征向量

c++、python、opencv、scipy

我在计算特征向量( OpenCV中的值)时遇到了困难。我在Python (SciPy)中也做了同样的工作，但是在移植代码时遇到了困难。我有一个2矩阵Sw，Sb，其值为： 0.00675925925925926, 0.0079629629629629630.0530787037037037, 0.01657407407407407;对于以上值

浏览 9提问于2012-03-15得票数 0

回答已采纳

1回答

由于使用了更多的内核，Python多处理的速度更慢。

python、numpy、multiprocessing、sparse-matrix

我使用Python多处理模块多次对(大型和稀疏)矩阵进行对角化。我必须这样做一千次，所以决定在多处理，因为我有24个核心。代码看起来像：from scipy.sparse.linalg import eigsh def diag(param乘8000稀疏矩阵的对角化是我的情况下的速率决定步骤。当我不使用多重处理时</e

浏览 1提问于2021-03-11得票数 6

1回答

全对角化NumPy对SciPy

python-3.x、numpy、scipy

我必须利用对角化例程来获得Hermitian复矩阵的所有特征对。由于我需要重复操作数千次，而且我的矩阵大约为8000x8000，所以我的性能受到了一些限制。我为Hermitian矩阵的对角化创建了NumPy和SciPy例程之间的比较，并在6台物理核心机器上获得了这些时间：我观察到，对于8000x8000矩阵，这个标度为0.8分钟，我需要重复这个过程我正在使用Anaconda发行版下的Python3.8，因

浏览 7提问于2022-05-17得票数 0

回答已采纳

1回答

Python 3:多个矩阵的并行对角化

python、multithreading、matrix

我正在尝试提高我的一些代码的性能，它首先根据两个索引构造一个4x4矩阵，对角化这个矩阵，然后将每个矩阵的每个对角化的特征向量存储在一个4维数组中。现在，我想知道是否有可能通过使用线程或类似的东西来并行化这一点，这样每个线程都会对角化一个矩阵，然后将其存储在它的位置。我的问题是，我这样做的局限性是什么？当不同的线程想要写入产生的4维空间时，我会遇到问题吗？数组的同时，我必须使用锁来防止这种情况吗？如果这个问题微不足道，

浏览 1提问于2014-10-11得票数 1

3回答

在Python中对稀疏矩阵执行分解

python、scipy、scikit-learn、sparse-matrix、pca

我正在尝试使用sklearn库在Python语言中将信号分解成大型稀疏矩阵中的组件(矩阵分解)。有没有人知道在python中对稀疏矩阵进行ICA或FA的解决方法？

浏览 1提问于2015-04-29得票数 2

1回答

用Python实现大规模ndarray乘法的最快方法

python、anaconda、matrix-multiplication、intel-mkl

我一直在四处寻找用Python进行大型数组操作的最佳方法，现在我对我所读到的内容感到非常困惑。所以我有几个问题。在询问他们之前，我只想说明我是在OSX、英特尔处理器和nvidia GPU的机器上使用Python 3的最后一个anaconda发行版。另外，我相信我可以把我的问题简化为一个简单的矩阵-矩阵问题。在将Ananaconda与OSX结合使用时，MKL似乎也本机链接到Python。因此，我是否一直在使用MKL到现在，而不知道呢？2)这些Python

浏览 1提问于2016-11-07得票数 1

回答已采纳

3回答

python :检查是否对角化矩阵

python、matrix、scipy、diagonal

我想用Python对矩阵进行对角化，下面是我的脚本：vp = lg.eig(A) # eigen values and vectorsdiagonalisation of A from its eigen valuesPm1=lg.inv(P) 事先非常感谢

浏览 8提问于2015-07-02得票数 0

回答已采纳

1回答

Mac和Linux上的Numpy和内存分配

python、linux、macos、numpy、ubuntu-16.04

我使用numpy来使用64位Python加载一个大型矩阵。>>> sys.getsizeof(matrix) >>> matrix.shape但是，它会在Ubuntu实例上使用>>> y = mb.fit_transform(questions_topics) /home/Liwi

浏览 3提问于2017-07-11得票数 4

回答已采纳

1回答

在scipy.sparse中创建大型稀疏矩阵

python、numpy、matrix、scipy、sparse-matrix

我正在应用程序中使用scipy.sparse，并希望进行一些性能测试。为此，我需要创建一个大型稀疏矩阵(然后在我的应用程序中使用)。只要矩阵很小，我就可以使用命令创建它。import scipy.sparse as sp这就产生了一个具有10.000个非零项的1,000×1,000个矩阵(合理的密度意味着每一行大约有问题是，当我试图创建一个更大的矩阵时

浏览 2提问于2015-02-24得票数 3

回答已采纳

1回答

为什么矩阵指数在超过一定大小时不起作用？

python、scipy、exponentiation

我在使用scipy.linalg.expm进行矩阵指数计算时遇到了问题。是对角元素为diag{0,1,2，…的NxN对角矩阵。N-1}，而sp.kron是scipy.sparse中的kronecker产品。当我尝试用N=6运行代码时，这只适用于N<6。(A) 257 ~\anaconda3\lib\site-packages\scipy\sparse\linalg\matfuncs.py in ex

浏览 32提问于2020-12-16得票数 0

回答已采纳

2回答

具有快速访问稀疏矩阵

python、numpy、scipy

在处理大型SciPy CSR稀疏矩阵时，我注意到将矩阵切片以从矩阵中获得单行的速度非常慢，因为它似乎是在复制。有没有办法创建一个稀疏矩阵，它引用现有的行而不是复制它，也许有比CSR矩阵更合适的实现？我的实现需要的是元素和行的快速查找，以及向量的所有非零索引的快速查找。我永远不需要以任何方式更改矩阵或对矩阵执行其他操作。

浏览 0提问于2017-07-03得票数 1

1回答

使用scipy.sparse.linalg中的svds按降序排序的奇异值

python、scipy、sparse-matrix、svd

我正在将SVD应用于Python中的一个大型稀疏矩阵。我正在使用来自scipy.sparse.linalg包的svd。奇异值从升序中排序，因此奇异向量被排列成对应于升序奇异值的奇异向量。下面只是一个示例代码：from scipy import sparseX = scipy.sparse.csc_matrix(X

浏览 3提问于2014-06-30得票数 3

回答已采纳

1回答

涉及逆矩阵的稀疏矩阵乘法

numpy、sparse-matrix、matrix-multiplication

我有两个大型的正方形稀疏矩阵A和B，并且需要计算以下内容:以最有效的方式计算A * B^-1。我有一种感觉，答案是使用scipy.sparse，但我无论如何也想不出来。有人建议使用LU分解，它内置在scipy的稀疏模块中，但当我尝试对样本矩阵进行LU分解时，结果是奇异的(尽管当我只做* B^-1时，我得到了答案)。我也听到有人建议使用linalg.spsolve()，但我不知道如何实现它，因为它需要

浏览 0提问于2012-08-02得票数 0

回答已采纳

点击加载更多