sparse ()在稀疏矩阵上的不明确行为
sparse()是一个在稀疏矩阵上的函数，用于创建稀疏矩阵。稀疏矩阵是指矩阵中大部分元素为零的矩阵。在稀疏矩阵上使用sparse()函数时，可能会出现一些不明确的行为。
稀疏矩阵的不明确行为可能包括以下几个方面：
- 内存占用：由于稀疏矩阵中大部分元素为零，因此可以使用稀疏矩阵来节省内存空间。然而，sparse()函数在创建稀疏矩阵时可能会占用较多的内存空间，这可能是由于算法实现的原因。
- 矩阵格式：稀疏矩阵可以使用不同的格式来表示，如压缩稀疏列（CSC）、压缩稀疏行（CSR）等。在使用sparse()函数创建稀疏矩阵时，可能无法明确指定所需的矩阵格式，这可能导致在后续的矩阵操作中效率较低。
- 矩阵操作：在稀疏矩阵上进行一些常见的矩阵操作，如矩阵乘法、矩阵加法等，可能会导致不明确的结果。这是因为稀疏矩阵的特殊性，需要特殊的算法来处理这些操作。
针对sparse()函数的不明确行为，腾讯云提供了一系列相关产品来解决稀疏矩阵的处理需求：
- 腾讯云云服务器（CVM）：提供稳定可靠的云服务器，用于进行稀疏矩阵的计算和处理。
- 腾讯云数据库（TencentDB）：提供高性能、可扩展的数据库服务，用于存储和管理稀疏矩阵数据。
- 腾讯云人工智能（AI）平台：提供丰富的人工智能算法和模型，用于稀疏矩阵的分析和处理。
- 腾讯云物联网（IoT）平台：提供物联网设备管理和数据处理能力，用于稀疏矩阵在物联网领域的应用。
- 腾讯云存储（COS）：提供高可靠、低成本的对象存储服务，用于存储和备份稀疏矩阵数据。
- 腾讯云区块链（BCS）：提供安全可信的区块链服务，用于稀疏矩阵数据的溯源和验证。
- 腾讯云元宇宙（Metaverse）：提供虚拟现实和增强现实技术，用于可视化和交互式展示稀疏矩阵数据。
以上是腾讯云在云计算领域的相关产品和服务，可以满足稀疏矩阵处理的需求。具体产品介绍和详细信息，请参考腾讯云官方网站：https://cloud.tencent.com/
相关·内容
1回答
我正在使用sparse构造、存储和读取一个大型稀疏矩阵。我想使用Dask数组来使用它的阻塞算法特性。 这是我正在尝试做的事情的一个简化版本： file_path = './{}'.format('myfile.npz')
if os.path.isfile(file_path):
# Load file with sparse matrix
X_sparse = sparse.load_npz(file_path)
else:
# All matrix elements are initially equal to 0
coords, data
浏览 10提问于2019-02-20得票数 5
2回答
在一个简单的向量矩阵乘法中，当使用scipy.sparse矩阵而不是稠密矩阵时，得到不同的结果/输出格式。例如，我使用以下密集矩阵和向量：
import numpy as np
from scipy import sparse
mat = np.array([[1, 1, 0, 0, 0], [0, 2, 2, 0, 0], [0, 0, 3, 3, 0], [0, 0, 0, 4, 4]])
vec = np.arange(1, 5)
对于向量矩阵积，我得到以下预期输出：
vec.dot(mat) # array([ 1, 5, 13, 25, 16])
mat.T.dot(vec)
浏览 1提问于2016-10-29得票数 0
回答已采纳
我一直使用CHOLMOD分解矩阵A并求解系统Ax = b，因为A是由cholmod_ones函数创建的Hessian矩阵(如下所示)和b= 1、1、1。
不幸的是，x的解决方案是不正确的(应该是1.5，2.0，1.5)，然后确认我将A和x相乘回到一起，没有得到1，1，1，我不太明白我做错了什么。
另外，我已经看过因子，矩阵元素的值也没有意义。
输出
Hessian:
2.000 -1.000 0.000
-1.000 2.000 -1.000
0.000 -1.000 2.000
Solution:
2.500 0.000
浏览 1提问于2012-10-18得票数 1
回答已采纳
我将稀疏矩阵存储在一个变量sparse_mat中
sparse_mat = sparse.coo_matrix((freq,(data_obs,data_feature)))
sparse_mat
<540x5550 sparse matrix of type '<type 'numpy.string_'>'
with 9068 stored elements in COOrdinate format>
现在我想访问这个稀疏矩阵的第一行
我在努力
sparse_mat[1:,]
但是它给出的错误是
TypeError: 'co
浏览 0提问于2014-01-15得票数 0
设置
我知道，在.sparse-module中，稀疏矩阵与numpy-arrays不同。另外，我知道像这样的关于稀疏数组切片的问题。无论如何，这个问题和大多数其他问题都涉及切片的性能。
我的问题是如何处理他们不同的切片行为。让我们创建一个示例：
import numpy as np
from scipy import sparse
matrix = np.asarray([[0,0,0,1], [1,1,0,0], [1,0,1,0], [1,0,0,1], [1,0,0,1], [1,0,0,1]])
sparse_matrix = sparse.lil_matrix(matrix) #
浏览 0提问于2019-07-22得票数 0
回答已采纳
1回答
当我发现以下奇怪之处时，我在networkx中使用了下面的代码块。在第一种情况下，我在稀疏矩阵上使用了ufunc乘(*)，它意外地正确地给出了一个度序列。然而，当对一个普通的矩阵做同样的处理时，它给出了一个10×10的矩阵，正如预期的那样，np.dot(.)给了我正确的结果。
import numpy as np
import networks as nx
ba = nx.barabasi_albert_graph(n=10, m=2)
A = nx.adjacency_matrix(ba)
# <10x10 sparse matrix of type '<class
浏览 1提问于2017-07-03得票数 0
回答已采纳
我试图使用tf.matmul()来执行稀疏矩阵乘法。
然而，与密集矩阵乘法相比，推理速度要慢得多。
根据tf.sparse_matmul()中的描述：
在一个平台上使用这个与密集矩阵相乘的盈亏平衡是稀疏矩阵中30%的零值。
因此，我用7/8的零值来构造稀疏矩阵。
这是我的代码：
import tensorflow as tf
import numpy as np
import time
a = tf.Variable(np.arange(1000).reshape(250,4) ,dtype=tf.float32) #dense matrix
b = tf.Variable(np.
浏览 4提问于2017-07-01得票数 3
scipy.sparse.csr_matrix和scipy.sparse.lil_matrix有什么不同？这些矩阵表示稀疏矩阵，但我不知道有什么不同。
此外，使用lil_matrix或csr_matrix的每一个优点是什么？
浏览 4提问于2021-09-17得票数 3
我很难理解什么时候使用稀疏版本的expm会比普通版本更好。
如果我取一个密度矩阵M，它恰好是稀疏的，大小为4000 x 4000矩阵并计算scipy.linalg.expm(M)，这大约需要25秒。如果然后执行M_sparse = sparse.csc_matrix(M)并计算scipy.sparse.linalg.expm(M_sparse)，则至少运行10分钟。
scipy.sparse.linalg.expm的正确用例是什么？它是否适用于大得多的矩阵？
浏览 5提问于2021-12-28得票数 2
4回答
java稀疏矩阵问题
、、、
我有一个二维矩阵。我的矩阵是稀疏的。我正面临着性能问题。有没有人可以回答我可以在java中使用什么api或类来处理稀疏矩阵来提高我的程序性能。
例如，我想要
it take 100x100 matrix
handle sparse stuff
do the multiplication
return me my matrix same as 100x100 with 0 ( mean sparse matrix )
浏览 2提问于2010-02-23得票数 4
3回答
如果我对numpy.zeros矩阵做同样的操作，它就能工作。但对于枕骨稀疏矩阵，它不起作用。为什么？
import scipy.sparse as sparse
import scipy as sp
a = sparse.lil_matrix((3,3), dtype=int)
a[0,0] = 0
a[1,1] = 1
a[2,2] = 2
b = a.sum(0)
bo = (-b).argsort()
ao = sp.take(a, bo, axis=1)
我知道错误：
ValueError: axis(=1) out of bounds
为什么这不起作用。有人能告诉我怎么修吗？或者用枕
浏览 9提问于2016-02-14得票数 0
回答已采纳
SVC似乎处理那些可以采用稀疏矩阵的内核与那些不使用稀疏矩阵的内核不同。然而，如果用户提供的内核编写来获取稀疏矩阵，并且在拟合期间提供了稀疏矩阵，那么它仍然将稀疏矩阵转换为密集，并将内核视为密集的，因为内核不是scikit中预先定义的稀疏内核之一。
有没有一种方法可以强迫SVC识别内核是稀疏的，而不是在将稀疏矩阵传递给内核之前将其转换成密集矩阵？
编辑1:最小工作示例
例如，如果SVC在创建时将核的字符串“线性”传递给SVC，则使用线性核，稀疏矩阵直接传递给线性核，如果拟合时提供稀疏矩阵，则支持向量存储为稀疏矩阵。但是，如果将linear_kernel函数本身传递给SVC，则稀疏矩阵在传递到内
浏览 1提问于2016-09-12得票数 2
1回答
我有一个关于使用距离矩阵进行聚类的问题，但是很稀疏。
是否有不扩展矩阵的稀疏距离对象格式，并且可以使用稀疏表示？
目前，我正在做以下工作
# read sparse matrix
sparse <- readMM('sparse-matrix')
distance <- as.dist(sparse)
稀疏矩阵已经是正确的距离矩阵，它对于未连接的条目具有NA。
>sparse
[1,] . . .
[2,] 1 . .
[3,] 1 . .
> as.dist(sparse)
1 2
2 1
3 1 0
但是，使用as.dist将其转换为
asM
浏览 0提问于2013-04-09得票数 3
我在SciPy稀疏矩阵上搜索一个矩阵平方根操作，比如scipy.linalg.sqrtm (非元素平方根)，但是我什么也找不到。换句话说，scipy.sparse.linalg.sqrtm不存在。有没有人知道如何对稀疏矩阵进行这种操作(除了转换为密集矩阵和使用SciPy的linalg.sqrtm)
人们已经提出了通过sparse_matrix**power在稀疏矩阵上进行矩阵幂的方法，但是它只能处理整数幂。
浏览 5提问于2017-05-12得票数 2
2回答
这是我刚发现的东西。由于某种原因，在Armadillo中，将稠密矩阵乘以稀疏矩阵比乘以稀疏和稠密矩阵(即倒序)要慢得多。
// [[Rcpp::depends(RcppArmadillo)]]
#include <RcppArmadillo.h>
// [[Rcpp::export]]
arma::sp_mat mult_sp_den_to_sp(arma::sp_mat& a, arma::mat& b)
{
// sparse x dense -> sparse
arma::sp_mat result(a * b);
return
浏览 0提问于2018-04-11得票数 3
回答已采纳
对于下面的代码，Mat是一个数组类型的矩阵，
a = kron(Mat,ones((8,1)))
b = a.flatten()
如果我不导入scipy.sparse包，a是一个数组类型的矩阵，b也可以执行。如果我使用'from scipy.sparse import *'，a是一个稀疏类型的矩阵，b 不能执行。有人能告诉我为什么kron会给出不同的结果吗？平坦()是否可以应用于稀疏型矩阵？
浏览 0提问于2016-09-18得票数 0
回答已采纳
1回答
在我的question之后，我想以一种(内存)有效的方式从spqr过程的输出中跟踪并计算Q矩阵。到目前为止，似乎只实现了matrix()。但是，我只需要稀疏格式的Q矩阵，没有足够的内存稍后将其转换为稀疏矩阵： using LinearAlgebra, SparseArrays
N = 500
ns = 3
d = 0.0001
A = sprand(N,N-ns,d)
H = A*A'
println("eigen")
@time eigen(Matrix(H))
println("qr")
@time F = qr(H)
println("
浏览 23提问于2020-07-23得票数 0
1回答
稀疏矩阵是大多数元素为零的矩阵。相反，如果大多数元素是非零的，那么矩阵就被认为是稠密的.当零值元素的个数除以元素总数大于0.5时，矩阵A将是稀疏的。
我使用内置函数issparse来检查矩阵的稀疏性，但是这个函数总是给出0。
如何修正这段代码？
A = [0 0 0; 0 1 0; 1 0 0]; % Matrix-A
S = issparse(A); % Checking Matrix-A is sparse
if S == 1
disp('Matrix-A is Sparse Matrix\n')
else
disp('Matrix-A is Den
浏览 1提问于2019-03-02得票数 0
1回答
我有一个原始的矩阵，看起来像这样：
(32, 69901) 1
(108, 69901) 1
(32, 69902) 1
(108, 69903) 1
(108, 69904) 1
(432, 69905) 1
(432, 69906) 1
(432, 69907) 1
我想把第一个X行分割成一个矩阵，其余的分割成另一个矩阵。我尝试用一个简单的for循环来完成它，如下所示：
mat1 = []
mat2 = []
for i,line in enumerate(original_matrix):
if i < cutof
浏览 2提问于2014-08-19得票数 0
回答已采纳
1回答
Block operations for sparse matrices - Eigen Toolbox - C++
#include "Eigen/Dense"
#include "Eigen/Sparse"
#include <iostream>
using namespace std;
using namespace Eigen;
int main()
{
MatrixXd silly(6, 3);
silly << 0, 1, 2,
0, 3, 0,
浏览 1提问于2016-02-01得票数 2
2回答
我有一个大小为50*10000的csr格式稀疏矩阵A和大小为50的np.array v，我想对其计算产品v.dot(A)。我如何有效地做到这一点？
当然，运行v.dot(A)不是一个好主意，因为scipy.sparse不支持np操作。不幸的是，据我所知，scipy.sparse没有一个由向量左乘矩阵的函数。
我尝试过以下方法，但这些方法似乎都很耗时--成本很高：
Transpone A和使用标准的 .dot
我转到A，然后使用.dot方法。这将A.T与作为列向量的v相乘。
A = sparse.csr_matrix([1，2，0，0，0，
0，0，3，4]
v = np.array(1，1)
浏览 1提问于2020-04-23得票数 1
3回答
下面的代码会导致我的系统在完成之前耗尽内存。
你能推荐一种更有效的方法来计算大矩阵上的余弦相似度吗，比如下面这个？
我想要计算原始矩阵(mat)中65000行中的每一行相对于所有其他行的余弦相似度，这样结果就是一个65000 x 65000矩阵，其中每个元素都是原始矩阵中两行之间的余弦相似度。
import numpy as np
from scipy import sparse
from sklearn.metrics.pairwise import cosine_similarity
mat = np.random.rand(65000, 10)
sparse_mat = sparse
浏览 3提问于2016-12-01得票数 12
1回答
我一直在尝试编写一个程序来显示稀疏矩阵，并找到矩阵的转置，但当转置时，只有原始矩阵第一行的元素被转置，而其他行的所有其他元素都被忽略。我需要些帮助。 下面是我写的代码 #include <stdio.h>
#include <stdlib.h>
struct Element{
int i;
int j;
int x;
};
struct Sparse{
int m;
int n;
int num;
struct Element *ele;
};
void create(struct Sparse *s){
浏览 23提问于2020-09-21得票数 0
回答已采纳
我想将不同稀疏矩阵的数组存储到一个矩阵中，如下所示：
A(:,:,1) = sparse([0 0 1; 0 1 0]);
A(:,:,2) = sparse([0 0 1; 0 0 0]);
A(:,:,3) = sparse([1 0 1; 0 0 0]);
A(:,:,4) = sparse([0 0 1; 0 1 0]);
但是，我明白这个错误：
N维索引只允许完全矩阵.
似乎其他人遇到了这个问题：
但是到"bug修复“的链接被破坏了，我不知道如何处理这个问题。我知道我可以使用单元格数组，但我知道它们很慢，我试图避免它们。我想我也可以使用full()命令，但我不确定这是否
浏览 1提问于2016-03-27得票数 1
回答已采纳
根据我之前的问题(Python - Multiply sparse matrix row with non-sparse vector by index)，稀疏矩阵的直接索引是不可能的(至少在您不想使用定义sparse.csr矩阵的三个数组data、indices、indptr时是不可能的)。但是我刚刚发现，给定一个csr稀疏矩阵A，这个操作可以很好地工作，并产生正确的结果：A[i, j]。我还注意到:它非常慢，甚至比处理密集矩阵还要慢。 我找不到关于这个索引方法的任何信息，所以我想知道：A[i, j]到底在做什么？ 如果你想让我猜猜，我会说它产生了一个密集的矩阵，然后像你通常做的那样对它进
浏览 31提问于2019-05-18得票数 1
回答已采纳
我有两个使用tf.sparse_placeholder声明的稀疏矩阵。我需要在两个矩阵之间按元素进行乘法。但我在tensorflow中找不到这样的实现。最相关的函数是tf.sparse_tensor_dense_matmul，但这是在一个稀疏矩阵和一个稠密矩阵之间执行矩阵乘法的函数。
我希望找到的是在两个稀疏矩阵之间执行元素向乘法，。这在tensorflow中有实现吗？
我展示了在稠密矩阵之间执行乘法的下列示例。我期待着找到解决办法。
import tensorflow as tf
import numpy as np
# Element-wise multiplication, two d
浏览 9提问于2017-08-17得票数 0
回答已采纳
1回答
我需要知道在MATLAB中是否有任何有效的方法来完成以下操作。
我有几个大的稀疏矩阵，每个矩阵的大小大约是9000000x9000000。
我需要访问这种矩阵的多个元素，并将存储在另一个数组中的不同值分配给每个选定的元素。我举个例子：
我所拥有的：
大小为9000000x9000000Matrix的稀疏矩阵包含我要访问的索引和值的列表，矩阵如下所示：
row1，col1，value1；row2，col2，value2；...rowN、colN、valueN
其中N是这种矩阵的长度。
我需要的是：
将相应索引的相应值分配给稀疏矩阵，即：
SPARSE_MATRIX(row1, col1) = v
浏览 39提问于2018-06-02得票数 1
回答已采纳
我想把熊猫的SparseDataFrame转换成scipy.sparse.csc_matrix。但我不想先把它转换回稠密矩阵。
现在我有一个类似于下面的东西。
df = pd.get_dummies(df, sparse=True)
基本上，我需要的是进一步从df获得一个scipy.sparse.csc_matrix。有办法做到这一点吗？
浏览 0提问于2016-12-15得票数 3
1回答
优化Scipy稀疏矩阵
、、、
我有一个稀疏矩阵，目前我正在枚举每一行，并根据每一行的信息执行一些计算。每一行都完全独立于其他行。然而，对于大的矩阵，这个代码非常慢(大约需要2个小时)，而且我也不能将矩阵转换为密集的矩阵(限于8 8GB )。
import scipy.sparse
import numpy as np
def process_row(a, b):
"""
a - contains the row indices for a sparse matrix
b - contains the column indices for a sparse matrix
浏览 0提问于2016-04-13得票数 0
我试图写一个由kronecker-积组成的矩阵。
def kron_sparse_2(a,b,c,d,e,f,g,h,i,j,k,l,m,n,o,p):
kron= sparse.kron(sparse.kron(sparse.kron(sparse.kron(sparse.kron(sparse.kron(sparse.kron(sparse.kron(sparse.kron(sparse.kron(sparse.kron(sparse.kron(sparse.kron(sparse.kron(sparse.kron(a,b),c),d),e),f),g),h),i),j),k),l
浏览 1提问于2021-04-29得票数 1
以免说我有以下稀疏矩阵：
A = sparse([1 4 7; 2 5 8; 3 6 9])
获得以下信息的最有效方法是：
A = sparse([1 0 7; 2 0 8; 3 0 9])
我实际使用的矩阵实际上要大得多.
浏览 10提问于2022-09-04得票数 2
回答已采纳
我要做这个手术：
N = A'*P*A
P矩阵的结构是块对角的，而A矩阵基本上是稀疏的(也是在带状结构中)。乘法以块的形式执行。但问题是储存。
N矩阵太大，无法全部存储(试图分配时内存不足)。所以，我想以一种稀疏的方式存储。虽然稀疏命令只生成行、列格式的值，但它能否应用于以行列作为块的索引来存储带状矩阵？
我已经尝试了在问题中给出的，但是它并没有帮助存储块的行和索引。谢谢。
P A‘构形的图象
问题在于问题所在。街区本身是稀疏的。因此，是否有可能使块作为稀疏矩阵本身，同时保存。那么，如果一个块有一个行=1和col = 1，那么可以这样做吗？
N(row,col) = sparse
浏览 2提问于2013-09-09得票数 4
回答已采纳
2回答
我试图找出一个巨大矩阵和它自身之间的点积。
NonZero - 577731的(371744,36154) Num的形状非常稀疏
mat1是scipy.sparse.csr_matrix如果我使用mat1 * mat1.T我得到了一个值错误，这看起来像它的，因为结果矩阵中有太多的非零元素，索引指针根据溢出
dp_data = data_m * data_m.T
File "/usr/lib/python2.7/dist-packages/scipy/sparse/base.py", line 247, in __mul__
return self._mul_
浏览 7提问于2014-07-22得票数 2
1回答
我使用python中的稀疏库创建了一个5维的稀疏矩阵，我的代码看起来与文档类似：
import sparse
coords = [[0, 1, 2, 3, 4],
[0, 1, 2, 3, 4]]
data = [10, 20, 30, 40, 50]
s = sparse.COO(coords, data, shape=(5, 5))
我想保存这个矩阵，这样我以后就可以用下面这样的东西加载它：
sp.save_npz("filename.npz", s)
与sparse包中的save_npz (在scipy中)等效的功能是什么？
浏览 11提问于2019-08-13得票数 1
回答已采纳
3回答
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)。
我利用scipy的scipy.sparse.csc_matrix来构建我的数据矩阵。然而，我不能进行任何分析，比如因子分析或独立成分分析。我唯一能做的就是使用truncatedSVD或scipy的scipy.sparse.linalg.svds来执行主成分分析。
有没有人知道在python中对稀疏矩阵进行ICA或FA的解决方法？任何帮助都将不胜感激！谢谢。
浏览 1提问于2015-04-29得票数 2
当传递给numpy.square矩阵时，scipy.sparse似乎提供了不正确的输出：
import numpy as np
import scipy.sparse as S
a = np.array([np.arange(5), np.arange(5), np.arange(5), np.arange(5), np.arange(5)])
a
# array([[0, 1, 2, 3, 4],
# [0, 1, 2, 3, 4],
# [0, 1, 2, 3, 4],
# [0, 1, 2, 3, 4],
# [0, 1, 2,
浏览 3提问于2015-10-05得票数 2
回答已采纳
在Python中使用SciPy/Numpy连接稀疏矩阵的最有效方法是什么？
在这里，我使用了以下内容：
>>> np.hstack((X, X2))
array([ <49998x70000 sparse matrix of type '<class 'numpy.float64'>'
with 1135520 stored elements in Compressed Sparse Row format>,
<49998x70000 sparse matrix of type &#
浏览 140提问于2013-10-31得票数 43
回答已采纳
1回答
为了训练CNN，我在观测[observations x width x length]上堆叠了一系列图像。数据集非常稀疏(95\%)。如何有效地存储这些矩阵
格式(如泡菜、拼盘)
结构(例如scipy.sparse.csr_matrix、列表列表)
浏览 0提问于2020-11-26得票数 0
回答已采纳
2回答
python中稀疏矩阵的矩阵幂
、、、、
我试图找出一种方法，对稀疏矩阵M: M^k =M*.*M倍，其中*是矩阵乘法(numpy.dot)，而不是按元素进行乘法。
我知道如何对正常矩阵这样做：
import numpy as np
import scipy as sp
N=100
k=3
M=(sp.sparse.spdiags(np.ones(N), 0, N, N)-sp.sparse.spdiags(np.ones(N), 2, N, N)).toarray()
np.matrix_power(M,k)
我如何才能做到稀疏M：
M=(sp.sparse.spdiags(np.ones(N), 0, N, N)-sp.spars
浏览 5提问于2015-02-24得票数 4
回答已采纳
2回答
我正在尝试使用稀疏滤波器矩阵在pytorch中对密集输入执行空间卷积(例如，在图像上)。
稀疏张量在PyTorch中实现。我试图使用稀疏张量，但它最终出现了分割错误。
import torch
from torch.autograd import Variable
from torch.nn import functional as F
# build sparse filter matrix
i = torch.LongTensor([[0, 1, 1],[2, 0, 2]])
v = torch.FloatTensor([3, 4, 5])
filter = Variable(torc
浏览 1提问于2017-12-19得票数 2
我有一个稀疏矩阵
obj.resOp = sparse(row,col,val);
和包含矩阵中每一行和的向量。
sums = sparse(sum(obj.resOp,2));
现在我想做的是
obj.resOp = obj.resOp ./ sums;
它将缩放矩阵中的每一行，以便每行中的行和为1。
然而，在最后一行中，MATLAB内部似乎从obj.resOp构造了一个完整的矩阵，因此我得到了这个错误：
使用./ request38849x231827 (17.5GB)数组时出错，超过了最大数组大小首选项。创建超过此限制的数组可能需要很长时间，并导致MATLAB变得没有响应。有关更多信
浏览 2提问于2017-11-22得票数 2
回答已采纳
1回答
求解密集点稀疏
、、、
我有稀疏矩阵S
<14940x14940 sparse matrix of type '<class 'numpy.float64'>'
with 39840 stored elements in COOrdinate format>
和密集向量d
Out[7]: (1, 14940)
并希望计算具有预期尺寸1 x 14940的d dot S。由于尺寸的原因，这应该是可行的。但是，np.dot不了解其参数的类型，因此
np.dot(d, S)
会导致崩溃。接下来，
d.dot(S)
怪异地导致了
Out[4]:
array([[
浏览 4提问于2018-07-04得票数 0
我正在尝试使用稀疏numpy矩阵作为keras的后端。模型可以编译，但在合适的情况下，会给出一个错误。代码如下。任何帮助都是非常感谢的。
from keras.layers import Dense, Input
from keras.models import Model
inputs = Input(shape=(trainX.shape[1],), sparse=True)
outputs = Dense(trainY.shape[1], activation='softmax')(inputs)
model = Model(inputs=inputs, outputs=
浏览 2提问于2017-10-05得票数 5
1回答
我想知道是否有一种方法可以简单地将密集向量添加到稀疏矩阵的所有行中，在scipy.sparse中表示为一个稀疏矩阵并返回一个稀疏矩阵，即只对稀疏矩阵的非零元素求和。
如果我这样做：
import numpy as np
import scipy.sparse as sp
W = sp.csr_matrix(np.array([[0,0,1],[0,1,0]]))
v = np.array([2,3,4])
然后
sum = W + v
sum显然是一个稠密矩阵，但它的零数之和也很明显。然而，当我试图做：
b = (W != 0)
s = b.multiply(v)
sum = W + s
我得
浏览 2提问于2014-06-06得票数 2
回答已采纳
2回答
在计算稀疏矩阵的1-范数时，我有一个问题.我使用的是函数scipy.sparse.linalg.onenormest，但是它给了我一个错误，因为运算符只能作用于平方矩阵。
这里有一个代码示例：
from scipy import sparse
row = array([0,2,2,0,1,2])
col = array([0,0,1,2,2,2])
data = array([1,2,3,4,5,6])
A = sparse.csc_matrix( (data,(row,col)), shape=(5,3) )
onenormest(A)
这是一个错误：
Traceback (most
浏览 2提问于2014-11-06得票数 0
回答已采纳
1回答
Context：我将特征用于人工神经网络，其中典型的维度约为每层1000个节点。因此，大多数运算都是将大小为1000,1000的矩阵M与大小为1000的向量或一批B向量相乘，后者表示为大小为Bx1000的矩阵。
经过训练神经网络，我使用剪枝-这是一种常见的压缩技术，以稀疏矩阵结束(非空参数密度在10 %到50%之间)。
目标：我想使用稀疏矩阵进行压缩，其次用于性能优化，但这不是主要目标。
问题：我正在比较不同批大小的稀疏矩阵乘法和密集矩阵乘法(只计算乘法时间)的性能，并观察到以下情况(使用特征3.2.8，MacBook Pro 64位，没有open_mp，使用标准g++)：
当B=1 (矩
浏览 3提问于2016-09-17得票数 5
回答已采纳
1回答
我将在R中使用一个相当大的矩阵(7 e6 x 4.5 e3)，但是矩阵非常稀疏。因此，我试图了解如何有效地处理稀疏矩阵。我有两个相关的问题。
首先:我了解到Matrix包自动链接到LAPACK和SuiteSparse编译的dlls。(我在Windows工作。)我的印象是，与使用LAPACK套件的密集矩阵相比，使用SuiteSparse例程将缩短执行时间。但是下面的测试运行表明，矩阵的稀疏版本的运行时间比密集版本要慢得多。
> library(Matrix)
> sparse <- sparseMatrix(1:4, 1:4, x=rnorm(4))
> dense &l
浏览 2提问于2016-07-03得票数 5
回答已采纳
1回答
我有一个CSR格式的稀疏矩阵(scipy.sparse.csr_matrix)，大约有100,000行和10,000列。行表示用户，列表示项，矩阵中的值表示该用户和项的评等。
我试图计算两个用户之间的相关性。因此，我正在遍历每个用户(称为user_a)，并执行矩阵操作来获得user_a与所有其他用户之间的相关性。
第一步是生成当前用户矩阵。此矩阵包含当前用户的元素，通过蒙面将user_a的公共元素与所有其他用户匹配。
我现在的代码是：
# ratings is the big original matrix
R = ratings.getrow(user_id)
user_matrix = s
浏览 3提问于2015-12-11得票数 1
回答已采纳
1回答
我有矩阵Gx和Gy，它们都是coo类型的稀疏矩阵。
我对它们执行下列操作：
A = np.hstack((Gx.transpose(),Gy.transpose()))
B = np.vstack((Gx,Gy))
L = np.dot(A,B)
我希望可视化解决方案，所以我使用了C.toarray()和C.todense()，但答案如下：
In [391]: C
Out[391]:
array([ <16x16 sparse matrix of type '<type 'numpy.float64'>'
with 64 stored
浏览 1提问于2015-11-07得票数 0
回答已采纳
我正在尝试在sparse matrix (class sp_mat)的上下文中使用armadillo的find operator。
它在完整矩阵的上下文中工作得很好；但在稀疏矩阵(以下示例中的d1)中工作。
mat A = randu<mat>(5,5);
mat B = randu<mat>(5,5);
uvec q2 = find(A != 0.5);
uvec q1 = find(d1 != -0.5); // d1 is a sparse matrix;
浏览 0提问于2015-02-04得票数 1
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
即时通信 IM活动推荐
腾讯云开发者
