numpy:计算大矩阵的xT*x
numpy是一个开源的Python科学计算库，它提供了高效的多维数组对象和用于处理这些数组的工具。numpy的核心功能是对大型矩阵进行快速计算，特别是在线性代数和数值计算方面。
numpy的主要特点和优势包括：
- 多维数组：numpy提供了多维数组对象ndarray，可以高效地存储和操作多维数据。
- 快速计算：numpy的底层实现使用了C语言，因此在计算速度上非常快速，尤其适用于处理大型矩阵和数组。
- 数学函数库：numpy提供了丰富的数学函数库，包括线性代数、傅里叶变换、随机数生成等，方便进行科学计算和数据分析。
- 广播功能：numpy支持广播功能，可以对不同形状的数组进行计算，使得代码更加简洁和高效。
- 与其他库的兼容性：numpy与其他科学计算库（如pandas、scipy）和可视化库（如matplotlib）等相互兼容，可以方便地进行数据处理和可视化。
numpy在云计算领域的应用场景包括：
- 数据分析和处理：numpy提供了高效的数据结构和计算工具，适用于大规模数据的处理和分析，如数据清洗、特征提取、统计分析等。
- 机器学习和深度学习：numpy作为Python科学计算的基础库，被广泛应用于机器学习和深度学习算法的实现和优化，如矩阵运算、梯度计算等。
- 数值模拟和科学计算：numpy提供了丰富的数学函数库和高效的数组操作，适用于数值模拟和科学计算领域，如物理模拟、天气预测等。
腾讯云提供了与numpy相关的产品和服务，例如：
- 弹性MapReduce（EMR）：腾讯云的大数据处理平台，可以与numpy结合使用，实现大规模数据的分布式计算和分析。详情请参考：弹性MapReduce产品介绍
- 云服务器（CVM）：腾讯云提供的虚拟云服务器，可以搭建numpy开发环境和部署numpy应用。详情请参考：云服务器产品介绍
- 云数据库MySQL版：腾讯云提供的MySQL数据库服务，可以存储和管理numpy计算结果和相关数据。详情请参考：云数据库MySQL版产品介绍
- 人工智能平台（AI Lab）：腾讯云的人工智能平台，提供了丰富的机器学习和深度学习工具，可以与numpy结合使用进行模型训练和推理。详情请参考：人工智能平台产品介绍
总结：numpy是一个强大的Python科学计算库，适用于处理大型矩阵和数组的快速计算。它在云计算领域有广泛的应用，包括数据分析、机器学习、科学计算等。腾讯云提供了与numpy相关的产品和服务，可以满足用户在云计算环境下使用numpy的需求。
相关·内容
2回答
有效的稀疏对称矩阵计算
、、、
我必须进行大量这样的计算：
X.dot(Y).dot(Xt)
X=1xn矩阵
Y=对称的n×n矩阵，每一个元素都有5个值(例如0，0.25，0.5，0.75，1)
Xt =nx1矩阵，转置X，即X[np.newaxis].T
X和Y是致密的。我的问题是对于大n，由于内存问题，我不能存储和使用矩阵Y。我仅限于使用一台机器，所以分布式计算不是一种选择。
我突然想到Y有两个特性，理论上可以减少存储Y所需的内存量：
Y的元素包含在一个小的值列表中。
Y是对称的
我如何在实践中实现这一点？我已经查过对称矩阵的存储，但据我所知，所有的numpy矩阵乘法都需要“解包装”对称才能生成正则的n矩
浏览 3提问于2018-01-13得票数 4
回答已采纳
经过几个小时的阅读，我发现在R中处理大(非常大的矩阵)的最好方法是使用
我想存储一个不适合RAM的80,000 x 80,000个0的大矩阵，然后用一个大矩阵乘法的结果替换它的单元。
我有这个错误
Error in CreateFileBackedBigMatrix(as.character(backingfile), as.character(backingpath)
Problem creating filebacked matrix.
做完之后
my_matrix <- filebacked.big.matrix(ncol = ncol(Xt), nrow = nrow(X),
浏览 3提问于2016-11-19得票数 3
有人能帮我吗？
Matlab代码
test = 300
f = @(u) 2+3*u-2*u.^3+u.^6-4*u.^8;
rng(12354)
u_test = unifrnd(-1,1,[test,1]);
y_test = f(u_test);
xt0 = 1*ones(test, 1);
xt1 = u_test;
xt2 = u_test.^2;
xt3 = u_test.^3;
xt4 = u_test.^4;
xt5 = u_test.^5;
xt6 = u_test.^6;
xt7 = u_test.^7;
xt8 = u_test.^8;
xt9 = u_test.^9;
浏览 15提问于2022-02-01得票数 0
我本来希望让lm()接受一个字符串作为公式输入，但是它不能很好地工作。到目前为止，这是可行的：
Test<-as.data.frame(matrix(sample(1:100, 12), 4, 3))
colnames(Test)<-c("Y", "X1", "X2")
lm(Y~X1, data=Test)
XT1<-"X1"
lm(Y~eval(parse(text=XT1)), data=Test)
这样做很好，并产生了正确的输出。但是，当我尝试拥有多个参数时：
lm(Y~X1+X2, data
浏览 1提问于2014-10-30得票数 2
回答已采纳
1回答
想象一下，iPhone的重力/旋转传感器为设备的每个姿态提供一个重力矢量(Vg)和一个当前的3x3旋转矩阵(M0)。例如：
Vg * M0 = Vz
Vz * Mt = Vg
where:
Vg - current gravity vector
M0 - current rotation matrix
Mt - inverse (or actually transpose) matrix of M0
Vz - negative Z-axis vector = { 0, 0, -1 }
需要有一个按所有轴校准加速度计和陀螺仪的选项，这意味着我们想要存储某个时刻的参考重力矢量(V
浏览 3提问于2011-04-10得票数 1
在下面的代码中，我必须使用一组矩阵来计算最终的4x4矩阵Ke：
import numpy as num
from numpy import *
import scipy as sci
from scipy.integrate import *
from scipy import *
import sympy as sym
from sympy import *
x1 = 3; x2 = 0; x3 = 0; x4 = 3
y1 = 3; y2 = 3; y3 = 0; y4 = 0
K = []
s = symbols('s')
t = symbols('t
浏览 0提问于2015-11-27得票数 2
回答已采纳
1回答
我的矩阵
for i in range(1, len(list)+1):
x0.append(1)
x1.append(i)
x2.append(i ** 2)
x3.append(i ** 3)
xt = np.array([x0, x1, x2, x3])
x = xt.transpose
因此，x.shape == (301, 4)和xt.shape == (4, 301)，我有一个excel表，我在这里做同样的操作，矩阵乘法点是不同的。
xtx = numpy.dot(xt, x)
[[ 301 45451 9135651 2
浏览 2提问于2018-06-15得票数 1
回答已采纳
1回答
我需要计算以下矩阵表达式：XT - Y，并保持元素只对应于矩阵Y的非零元素。例如，如果：
In [63]: X.dot(T.T) - Y
Out[63]: array([[ -6, -2], [ -9, -12]])
In [64]: Y
Out[64]: array([[5, 0], [7, 8]])
结果应该是[[-6, 0], [-9, -12]]。
X和T都是矢量。问题是X.dot(T.T)和Y都有很大的大小(比如350 x 23 000 000)，因此Y被存储为一个值约为2亿的scipy.sparse.csc_matrix。我没有足够的内存来存储中间的XT结果。
当然，可以迭代Y的
浏览 0提问于2014-06-28得票数 2
回答已采纳
我刚刚将numpy和scikit-learn的版本升级到了最新版本，即numpy-1.16.3和sklearn-0.21.0 (适用于Python 3.7)。很多东西都崩溃了，例如，一个简单的数字矩阵上的PCA将不再起作用。例如，考虑这个玩具矩阵： Xt
Out[3561]:
matrix([[-0.98200559, 0.80514289, 0.02461868, -1.74564111],
[ 2.3069239 , 1.79912014, 1.47062378, 2.52407335],
[-0.70465054, -1.95163302,
浏览 35提问于2019-05-13得票数 1
回答已采纳
1回答
我必须在一个SODEs系统上进行一些模拟。因为我需要使用随机图，所以我认为用python生成图的相邻矩阵，然后用C生成模拟，是个好主意。所以我转向了cython。
我按照的提示编写了代码，以尽可能提高其速度。但是我真的不知道我的代码是不是好的。我也运行cython toast.pyx -a，但我不明白问题所在。
在cython中，用于向量和矩阵的最佳结构是什么？例如，我应该如何用np.array或double在我的代码中定义np.array？请注意，我将比较矩阵(0或1)的元素，以便进行和或不和。结果是矩阵NxT，其中N是系统的维数，T是我想要用来模拟的时间。
我在哪里可以找到doub
浏览 4提问于2016-09-30得票数 2
回答已采纳
我有一个200000 x 200000大小的大矩阵。我需要计算它的逆。但是它在使用numpy.linalg.inv时出现内存错误。有什么方法可以计算大型矩阵的逆。
浏览 0提问于2019-03-23得票数 1
我有两个ndarray x，y，x的形状是(7,200)，y的形状是(200,1)，但是当我使用matmul时，我得到的错误是y的形状是(1,1)。
我尝试过使用矩阵而不是ndarray，但是得到了相同的结果
def solve(X,Y):
x = np.asmatrix(X)
x = np.transpose(x)
x = np.insert(x,0,1,axis=1)
xt = x.T
xtx = np.matmul(xt,x)
y = np.asmatrix(Y)
y = np.transpose(y)
print('
浏览 3提问于2019-09-28得票数 1
回答已采纳
如果我们想通过以下方法寻找线性回归模型的最优参数θ：
theta = inv(X^T * X) * X^T * y
第一步是计算inv(X^T*X)。因此，numpy提供了和
虽然这导致了不同的结果：
X=np.matrix([[1,2104,5,1,45],[1,1416,3,2,40],[1,1534,3,2,30],[1,852,2,1,36]])
y=np.matrix([[460],[232],[315],[178]])
XT=X.T
XTX=XT@X
pinv=np.linalg.pinv(XTX)
theta_pinv=(pinv@XT)@y
print(theta_pinv
浏览 0提问于2018-03-19得票数 25
回答已采纳
我试图用numpy python中的矩阵运算来计算两个矩阵之间的欧几里德距离，但不使用任何for循环。
如果我只需要计算两个单一的向量，这将是很简单的，因为我只使用欧几里德距离的公式：
D(x，y) =∥y -x∥=√( xT x+ yT y-2 xT y)
把它转换成numpy就像做这样的事情一样简单
a@a.T - 2*a@b.T + b@b.T
然而，对于大小为PxQ和RxQ的两个矩阵来说，不使用for循环是很困难的。
给出一个更好的例子，说明如果我有一个叫做A的矩阵，我想要做的是：
[[ 4 9 9]
[11 8 1]
[ 2 6 4]
[ 4 7 11]
浏览 15提问于2021-02-22得票数 0
回答已采纳
1回答
我有一个矩阵X，我需要写一个函数，它计算矩阵的轨迹
。
我写了下一个剧本：
import numpy as np
def test(matrix):
return (np.dot(matrix, matrix.T)).trace()
np.random.seed(42)
matrix = np.random.uniform(size=(1000, 1))
print(test(matrix))
它在小矩阵上工作得很好，但是当我试图计算大矩阵时(例如，对形状为(50000, 1)的矩阵)，它会给我一个内存错误。
我试图在网站上的其他问题中找到解决这个问题的方法，但没有任何帮助。如有
浏览 0提问于2018-11-05得票数 0
回答已采纳
1回答
最近，我试图比较不同的python和C++矩阵库的线性代数性能，以便查看在即将到来的项目中使用哪一个。虽然线性代数运算有多种类型，但我选择主要关注矩阵求逆，因为它似乎给出了奇怪的结果。为了进行比较，我在下面写了下面的代码，但我想我一定做错了什么。
C++码
#include <iostream>
#include "eigen/Eigen/Dense"
#include <xtensor/xarray.hpp>
#include <xtensor/xio.hpp>
#include <xtenso
浏览 6提问于2021-05-10得票数 3
我目前正在尝试使用scikit学习包来实现它的神经网络功能。我有一个复杂的问题要解决，但首先，我只是尝试几个基本的测试，以使自己熟悉它。我已经做了一些事情，但它并没有产生有意义的结果。我的代码：
import sklearn.neural_network.multilayer_perceptron as nnet
import numpy
def generateTargetDataset(expression="%s", generateRange=(-100,100), s=1000):
expression = expression.replace("x&
浏览 1提问于2016-08-02得票数 2
回答已采纳
1回答
我有一个名为xnt of size 16*96的数据矩阵。我将数据分解为重叠窗口，如下所示：
WL = 4;
for t = 4:96
X_time_Total(:,:,t) = xnt(:,[(t-WL+1):t]);
end
现在我有了X_time_Total，这是一个16*4*96矩阵。
接下来，我形成了一个新的16*16*93矩阵Four_Xt，它将以前形成的四个连续窗口组合在一起：
for tt = WL:93
Four_Xt(:,:,tt)=[X_time_Total(:,:,tt),X_time_Total(:,:,tt+1),X_time_Total(:,:,
浏览 4提问于2017-06-08得票数 0
回答已采纳
11回答
是一个非常有用的库，通过使用它，我发现它能够轻松地处理相当大的矩阵(10000 X 10000)，但开始处理更大的矩阵(尝试创建50000 x 50000的矩阵失败)。显然，这是因为需要大量的内存。
有没有一种方法可以在NumPy中以某种方式创建巨大的矩阵(比如一百万乘一百万)(而不需要几to的内存)？
浏览 2提问于2009-06-28得票数 93
1回答
我正在尝试使用以下代码生成的大numpy矩阵： np.full(np.repeat(2, 10), 1,dtype='int8') 它的形状是： (2, 2, 2, 2, 2, 2, 2, 2, 2, 2) 但是该矩阵中的所有值都等于1 有没有办法将矩阵中的每个元素只保存在一位而不是字节中？ 注意:我需要该矩阵作为numpy矩阵，以便可以进一步使用它
浏览 15提问于2019-05-01得票数 0
回答已采纳
2回答
我正在处理两个numpy矩阵，U (维度Nu x 3)和M (维度3xNm)。
A包含Nu用户和3个特性。
M包含Nm电影(以及相同的3个功能)
对于U的每个用户，我想计算它到M中每部电影的欧几里德距离(所以我需要计算Nu*Nm欧几里德距离)。
如果没有明确的双循环，这是可能的吗？我工作的大维矩阵和双循环可能会花费太多的时间。
提前谢谢。
浏览 5提问于2020-07-02得票数 0
回答已采纳
1回答
我希望有人能帮助我提高我的for循环的效率。我读到，numpy矢量法将速度提高了“高达74,000”，但没有找到太多的文档。
我想知道其他人如何提高这段代码的速度。
from mplsoccer import Sbapi,Sbopen
import pandas as pd
from tqdm import tqdm
import numpy as np
import io
parser = Sbopen(dataframe=True)
matches = parser.match(43,3)
matchids = list(matches.match_id.unique())
dat
浏览 4提问于2022-10-02得票数 0
回答已采纳
1回答
我得到了一个由float128值组成的矩阵'x‘，并且在以下情况下会得到下一个错误：
> q = (inv(xt * x) * xt) * n
> array type float128 is unsupported in linalg
其中xt是x和n个其他float128矩阵的转置。对该矩阵的所有其他操作都被正确处理，如转置或矩阵乘积。
是的，对于这种情况，我需要float128，否则结果与我们作为参考的更接近真实值的结果不同。
浏览 5提问于2016-01-08得票数 4
1回答
我有一个带有浮点数(250x112)的大矩阵，如下所示：
import numpy as np
data = np.arange(1, 28001).reshape((250, 112))
计算3x3矩阵切片的平均值的优雅方法是什么，该切片遍历大矩阵并循环所有单元？同样重要的是，切片矩阵在条纹区域中成为2x3矩阵，并且在角落中分别成为2x2矩阵。
浏览 1提问于2019-09-24得票数 0
1回答
社区， 语言障碍对我打击很大。不知何故，我设法从一个模型中学习，但我无法预测，因为它现在说我的矩阵是单数的-我不明白-这是唯一的另一个词吗？ 无论如何，这里是重要的部分： X.shape (457,123) coord.shape (457，2) pred = model.predict(coord, X) 文件“...\venv3libSite-packages\spglmiwls.py”，第37行，in _compute_betas_gwr xtx_inv_xt = linalg.solve(xtx，xT) 文件信息行216，在"...\venv3\lib\site-packag
浏览 29提问于2020-01-10得票数 0
回答已采纳
1回答
matMul函数执行矩阵乘法，将其存储在矩阵C中。对于computeTransformationMatrix函数，目标是将旋转矩阵、缩放矩阵、平移矩阵和投影矩阵合并为单个变换矩阵M。除投影矩阵为2X4矩阵外，所有变换矩阵均为4x4。常量在其他地方被正确定义，尽管在下面没有显示。合并转换以对每个转换矩阵应用一次matMul函数(显示在底部)，直到最终创建复合转换矩阵M，这是唯一的方法吗？
void matMul(Matrix A, Matrix B, int ARows, int ACols, int BCols, Matrix C){
int i,j,k, sum;
fo
浏览 0提问于2013-10-31得票数 0
2回答
我有一个矩阵pmatrix
sigma = 0.03
alpha = 0.01
sims = 6
N = 10
pmatrix = matrix(NA, ncol=sims, nrow = N)
for (i in 1:N){
x = rnorm(sims)
pmatrix[i,] <- x
}
我需要使用这个矩阵才能从以下表达式中获得xt值：
xt = 0
for (i in 1:10){
xt[i+1] = xt[i] * exp(-alpha*1) + sqrt(((sigma^2)/2*alpha)*(1-exp(-2*alpha*1)))*pmatrix[i]
}
浏览 2提问于2016-05-29得票数 1
回答已采纳
4回答
有人知道如何在python中从一个非常大的稀疏矩阵计算相关矩阵吗？基本上，我正在寻找像numpy.corrcoef这样的东西，可以在scipy稀疏矩阵上工作。
浏览 0提问于2013-10-08得票数 17
2回答
我试图执行一个矩阵乘法，它有以下方案：
C = np.dot(np.dot(sparse.csr_matrix(np.double(A).transpose()),sparse.spdiags(B,0,Ngrid,Ngrid)), sparse.csr_matrix(np.double(A)))
因此，我想转置矩阵A，它导致M>>N的N矩阵，并与对角矩阵M矩阵相乘。B是“主要对角线”。得到的矩阵( N )应与矩阵A ( M )相乘，从而得到N矩阵C。
出现的错误如下：
<2000x921600 sparse matrix of type '<class '
浏览 16提问于2022-03-31得票数 1
回答已采纳
标题是这样说的--什么是与numpy's等价的X张量
# set all elements > 3 to 1
sometensor[sometensor > 3] = 1
看起来，xt::filter起作用了：
xt::filter(sometensor, sometensor > 3) = 1
但是看起来，numpy版本要快得多。我已经用xsimd构建了xtensor，但在这种情况下似乎没有帮助。有没有更好的，更简单的方法来做这件事？
编辑
我发现了filtration，它确实更快(大约3倍)，但仍然比numpy慢(大约10倍).
解决办法(汤姆！)
a = x
浏览 14提问于2021-08-01得票数 2
回答已采纳
11回答
我正在尝试使用纯Python将两个矩阵相乘。输入(X1为3x3，Xt为3x2)：
X1 = [[1.0016, 0.0, -16.0514],
[0.0, 10000.0, -40000.0],
[-16.0514, -40000.0, 160513.6437]]
Xt = [(1.0, 1.0),
(0.0, 0.25),
(0.0, 0.0625)]
其中Xt是另一个矩阵的zip转置。下面是代码：
def matrixmult (A, B):
C = [[0 for row in range(len(A))] fo
浏览 178提问于2012-05-09得票数 34
2回答
我正在对我的进行最小二乘分类，我获得了我的权重，我决定绘制一条决策边界线。然而，我需要使用混淆矩阵来显示我的分类结果。我打算使用from sklearn.metrics import confusion_matrix，并指定t作为我的prediction，但是我不知道如何获得actual结果来计算矩阵。我从来没有策划过，所以我可能搞错了。
import numpy as np
import matplotlib.pyplot as plt
data=np.loadtxt("MyData_A.txt")
x=data[:,0:2] #the data points
t=dat
浏览 8提问于2022-04-19得票数 0
回答已采纳
我开始了解到，对于一个非常大的矩阵，numpy对于单个元素的访问速度很慢。下面的代码大约需要7-8分钟才能运行。矩阵的大小约为3000*3000
import numpy as np
................
................
ArrayLength=len(Coordinates)
AdjMatrix=np.zeros((len(Angles),len(Angles)))
for x in range(0, Arraylength):
for y in range(x+1, Arraylength-x):
distance=Distance(C
浏览 0提问于2013-04-05得票数 1
回答已采纳
3回答
我正在研究python的图像处理。具体来说，我试图在两个图像(x和y)之间实现一个名为结构相似指数度量(SSIM)的算法，这是我从本文中提取的。在这个公式中，我需要两个图像之间的协方差。我知道如何计算两个向量之间的协方差，但我不知道如何计算两个矩阵的协方差(假设每幅图像都是像素矩阵)，有人能帮我吗？我尝试使用numpy函数numpy.cov(x,y) []，但是我有一个大的三维矩阵，实际上我需要一个标量值。
浏览 6提问于2014-08-28得票数 2
回答已采纳
1回答
如何计算一个HMM的值？
、、、
我需要帮助理解和解决两个问题。请看这些，在哪里
隐藏状态为H =高兴和S=可悲。
Pi是初始概率表
P(xt _xt_(-1))是转换表
p(yt _ xt)是发射表
我如何理解:如果时间t-1我们有p(xt−1 =H_xt_y1:t−_1)= 1，那么p(xt =H_x_y_1:t−_1)的值是多少？
那么p(xt =H_xt_ y1:t−1；yt =−)呢？
我不知道如何理解和计算这些问题。如何用矩阵计算来计算这些值？
浏览 2提问于2019-11-16得票数 1
回答已采纳
我正在研究Kaggle的泰坦尼克号机器问题--初学者。
我用python编写代码，模型类型是K-NN。
我收到错误消息“Input contains NaN，infinity or a value too dtype(‘float64’)”，但是，我已经彻底检查了我的数据。没有无限大的值，没有NaN值，也没有很大的值。错误不是在我的训练集上抛出的，而是在测试集上抛出的-它们在值上没有不同(在内容上明显不同，但值的类型是相同的)。下面是我的代码：
import numpy as np
import pandas as pd
test_dataset = pd.read_csv('tes
浏览 61提问于2018-06-06得票数 0
1回答
GPU没有在CPU上加速
、、、
我正在训练一个具有100*100个隐藏节点，4个输入/1个输出，批处理大小为32的神经网络，并且我没有看到使用GPU与CPU相比的速度提高。我只有一个有限的数据集(1067个样本，一开始都复制到GPU )，但我会认为33个批次可以并行运行，超过了复制到GPU所需的时间。我的数据集是否太小，或者可能存在其他问题？下面是我的代码片段： def train_for_regression(X, T):
BATCH_SIZE = 32
n_epochs = 1000
learning_rate = 0.01
device = torch.device("cuda
浏览 22提问于2021-02-09得票数 0
1回答
输入:带有整数项的n times m矩阵A。例如，考虑矩阵
A = [[2,1,0],[0,1,2]]
输出：A内核/空空间的整数基。例如，对于上面的矩阵，整数基是
[[1,-2,1]]
我使用这个的思想，首先计算一个有理基，然后用以下(Python 2.7)代码与分母的lcm相乘来计算整数基：
import numpy as np
from sympy import Matrix,lcm
from fractions import Fraction
def ker_int_basis(B):
BKer = 1.0*np.array(Matrix(B).nullspace())
浏览 0提问于2018-12-25得票数 0
2回答
多输入的矩阵乘法与加法
、、、
如何计算y=a+b其中A是矩阵，b是向量，x是矩阵，这是当x是向量时的例子。
A <- matrix(c(seq(1,6)),ncol=2,byrow = TRUE)
b <- matrix(c(seq(.5,.7,.1)),ncol=1)
x <- matrix(c(seq(0.1,0.2,0.1)),ncol=1)
y <- A %*% x + b
但是，当x以矩阵格式包含许多情况时，该怎么办呢？这适用于A矩阵。
set.seed(100)
xt<-matrix(runif(20), ncol=10)
y1 <- A%*%xt
但是，如何将常量项添加到
浏览 5提问于2014-10-05得票数 0
回答已采纳
2回答
我尝试使用armadillo进行线性回归，如以下函数所示：
void compute_weights()
{
printf("transpose\n");
const mat &xt(X.t());
printf("inverse\n");
mat xd;
printf("mul\n");
xd = (xt * X);
printf("inv\n");
xd = xd.i();
printf("mul2\n");
xd = xd
浏览 0提问于2017-02-28得票数 0
1回答
我想计算矩阵X (N X k)的行之间的相关系数。在一个大的矩阵X上应用numpy.corrcoef(X)是没有效率的，而且它会减慢我的代码，所以我想让它更快。
有人能帮我吗?我怎么才能做到呢？矢量化？还有没有其他已知的函数可以快速处理大N？
浏览 5提问于2018-07-10得票数 1
1回答
向量化线性回归
、、、
下面是我使用numpy和线性代数进行线性回归的尝试：
def linear_function(w , x , b):
return np.dot(w , x) + b
x = np.array([[1, 1,1],[0, 0,0]])
y = np.array([0,1])
w = np.random.uniform(-1,1,(1 , 3))
print(w)
learning_rate = .0001
xT = x.T
yT = y.T
for i in range(30000):
h_of_x = linear_function(w , xT , 1)
浏览 0提问于2018-05-03得票数 3
回答已采纳
2回答
当计算x != '0'或x != '-1'时，编译器返回预期的输出。
opt=[f'xt:{x}' for x in status if x != '0']
或
opt=[f'xt:{x}' for x in status if x !='-1']
当我将x != '0' or x !='-1'组合在一起时，问题就出现了。
status = ['-1', '2', '3', '0']
opt=[f
浏览 4提问于2021-04-15得票数 0
回答已采纳
1回答
如何求大稀疏矩阵的伪逆？
、、、、
我必须反演一个大型稀疏矩阵(50000 X 12000)。它最初以numpy.ndarray的形式存储，矩阵的大小约为3.5GB。我已经尝试过使用numpy.linalg.pinv来转换这个矩阵，但是它崩溃了jupyter笔记本内核。将此numpy.ndarray转换为scipy.sparse.csr_matrix (稀疏矩阵格式)是可行的，但我不知道有任何函数可以计算csr_matrix的伪逆。
如何求大型稀疏矩阵的伪逆？
浏览 4提问于2022-09-06得票数 0
2回答
稀疏矩阵线性规划
、、、
我想在python中解决一个线性规划。变量数(从现在起称为N)非常大(~50000)，为了按照scipy.optimize.linprog要求的方式来表述这个问题，我必须构造两个N矩阵(A和B )。LP可以写成
minimize: c.x
subject to:
A.x <= a
B.x = b
x_i >= 0 for all i in {0, ..., n}
其中.表示点积，a、b和c是长度为N的向量。
我的经验是，构建这样大的矩阵(A和B都有)。50000x50000 = 25*10^8条目)带来了一些问题:如果硬件不是很强，NumPy可能会完全拒绝
浏览 0提问于2016-01-15得票数 8
回答已采纳
1回答
用稀疏矩阵相乘稠密矩形矩阵
、、、、
我使用Python、Numpy和Scipy包来进行矩阵计算。我试图执行计算X.transpose() * W * X，其中X是2x3稠密矩阵，W是稀疏对角线矩阵。(下面是非常简化的例子)
import numpy
import scipy.sparse as sp
X = numpy.array([[1, 1, 1],[2, 2, 2]])
W = sp.spdiags([1, 2], [0], 2, 2).tocsr()
我需要找到稠密矩阵X.transpose和稀疏矩阵W的乘积。
我所知道的一种方法是在右边不接受稀疏矩阵。
>>> sp.csr_matrix.dot(
浏览 5提问于2014-02-09得票数 1
回答已采纳
我有一些四维的numpy数组，最容易可视化的是一个任意大小的矩阵(不一定是正方形)，其中每个元素都是一个2x2方阵。我想要标准矩阵乘(@)大矩阵的2x2矩阵元素(产生另一个矩阵的相同维数的2x2矩阵)。最终的希望是使用CuPy并行化这个过程，所以我想做到这一点，而不需要遍历更大矩阵的每个元素。
任何帮助都将不胜感激。
我的意思是：
x = np.array([[ [[1,0], [0, 1]], [[2,2], [2, 1]] ]])
y = np.array([[ [[1,3], [0, 1]], [[2,0], [0, 2]] ]])
xy = np.array([[ [[1,3
浏览 14提问于2022-07-17得票数 -1
回答已采纳
1回答
python中稀疏矩阵的并行汇编
、、、、
我正在尝试使用mpi4py并行组装一个非常大的稀疏矩阵。每个秩产生一个稀疏子矩阵(以scipy的dok格式)，需要将其放在非常大的矩阵中。到目前为止，如果每个秩都生成一个numpy数组，其中包含非零值的索引和值(模仿coo格式)，那么我就成功了。在聚集过程之后，我可以从numpy数组中组装出大的矩阵。最终矩阵将以mtx格式文件的形式写入磁盘。
收集稀疏子矩阵的最有效方法是什么？也许，直接将它们作为参数传递给gather()？但是怎么做呢？
这是我所做的一个简化的例子:它从对角子矩阵中组合出一个大的对角矩阵，在实际情况下，得到的大矩阵的大小通常是500000x500000，而不是对角线。
fro
浏览 7提问于2017-02-08得票数 0
1回答
我有一个向量" Xt“，其中Xt维数为12588 X1。从这个向量我应用了以下代码：
S=sum((abs(Xt(2:end)-Xt(1:end-1))).^2);
从而得到一个数字，其中S是1乘1。
现在我的目标是构造一个向量S (Nx1)，其中S中的每个值都依赖于J和K-例如：
S=sum((abs(Xt(**J**:end)-Xt(**K**:end-1))).^2);
起初，我想到了以下几点(我不希望J超过126)：
for j=2:126 k=1:125, S=sum((abs(Xt(j:end)-Xt(1:end-k))).^2); end; end;
我得到了一个错误：“
浏览 0提问于2012-05-25得票数 0
回答已采纳
3回答
矩阵行差，输出布尔向量
、、、
我有一个m x 3矩阵A及其行子集B (n x 3)。它们都是另一个大的4D矩阵的索引集；它们的数据类型是dtype('int64')。我想要生成一个布尔向量x，其中x[i] = True如果B不包含行A[i,:]。
A或B中都没有重复行。
我想知道是否有一种有效的方法，如何在Numpy中做到这一点？我找到了一个与此相关的答案：；但是，它返回实际的行(不是布尔向量)。
浏览 2提问于2015-06-25得票数 4
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
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
