Я делаю некоторые тесты с CUDA, C ++, C #, Java и использую MATLAB для проверки и генерации матрицы. Когда я выполняю умножение матриц с помощью MATLAB, 2048x2048и даже большие матрицы умножаются практически мгновенно. 1024x1024 2048x2048 4096x4096 --------- --------- --------- CUDA C (ms) 43.11...
Я знаю, @что для декораторов, но для чего @=в Python? Это просто резервирование для какой-то будущей идеи? Это только один из моих многочисленных вопросов во время чтения...
Документы numpy рекомендуют использовать массив вместо матрицы для работы с матрицами. Однако, в отличие от октавы (которую я использовал до недавнего времени), * не выполняет умножение матриц, вам нужно использовать функцию matrixmultipy (). Я чувствую, что это делает код очень нечитаемым....
Я провожу сравнительный анализ умножения матриц, как упоминалось ранее в статье Почему MATLAB так быстро справляется с умножением матриц? Теперь у меня есть другая проблема: при умножении двух матриц 2048x2048 существует большая разница между C # и другими. Когда я пытаюсь перемножить только...
Недавно я перешел на Python 3.5 и заметил, что новый оператор умножения матриц (@) иногда ведет себя иначе, чем оператор numpy dot . Например, для трехмерных массивов: 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 = np.dot(a, b) @Оператор...
У меня две матрицы a = np.matrix([[1,2], [3,4]]) b = np.matrix([[5,6], [7,8]]) и я хочу получить поэлементный продукт [[1*5,2*6], [3*7,4*8]], равный [[5,12], [21,32]] я пытался print(np.dot(a,b)) и print(a*b) но оба дают результат [[19 22], [43 50]] который является матричным произведением, а не...