使用MTJ/Netlib(本机)的慢速矩阵乘法性能

Question

我需要将大小为5000x5000的大矩阵乘以20000x20000.我在查找具有稀疏矩阵但可以进行快速乘法的库时遇到问题.

首先,我已经阅读了关于Java矩阵库性能的上一个问题(Java矩阵数学库的性能？).基于那里的最佳答案,我决定选择JBLAS,因为它是最快的之一.在我的情况下,需要大约50s左右才能乘以5000x5000矩阵,这比Matlab慢很多但仍然可以容忍.

问题是矩阵可能非常大(高达20k乘20k或更多),但它们通常很稀疏.矩阵中只有30%的元素是非零的.JBLAS不提供任何稀疏矩阵实现,因此存储大密集矩阵所需的内存占用可能会非常高.我尝试切换到MTJ/Netlib,因为它应该是基准中具有稀疏矩阵的更好的库之一.这里的说明(https://github.com/fommil/netlib-java/)说要获得最佳性能,我必须在我的机器上编译本机BLAS.所以我下载了OpenBLAS,编译并安装了它.我还运行了一些命令来在Ubuntu 13.10上设置OpenBLAS库:

$ cd ~/build/OpenBLAS
$ make
$ sudo make install PREFIX=/usr/local/openblas
$ sudo cat "/usr/local/openblas/lib" > /etc/ld.so.conf.d/openblas.conf
$ sudo ldconfig
$ sudo update-alternatives --install /usr/lib/libblas.so.3 libblas.so.3 /usr/local/openblas/lib/libopenblas.so 90
$ sudo update-alternatives --config libblas.so.3

我在上一个更新替代步骤中选择了我编译的OpenBLAS库.我假设在此之后,Netlib选择了我编译的OpenBLAS库并使用它.我还从http://r.research.att.com/benchmarks/R-benchmark-25.R运行了一些基准测试并观察了之前的一些加速(使用来自ubuntu的默认blas)和之后的情况(使用我的编译OpenBLAS).

然而,MTJ中的矩阵 - 矩阵乘法性能仍然很慢.例如,我有两个矩阵A = 5824x5824,W = 5824x4782.我在Java中将它们相乘

Matrix AW = new FlexCompRowMatrix(A.numRows(), W.numColumns());
A.mult(W, AW);

代码已经运行了超过45分钟,足以输入整个帖子,但它仍然没有完成.使用JBLAS,相同的矩阵乘法将花费不到1分钟.有什么我错过的吗？

谢谢 !

Answer 1

JBLAS执行密集矩阵运算.MJT既密集又稀疏.以密集的方式使用"稀疏"矩阵很慢.FlexCompRowMatrix创建一个稀疏矩阵.

你想要做的,直接与JBLAS比较,是:

Matrix a = new DenseMatrix(5000,5000);
Matrix b = new DenseMatrix(5000,5000);
Matrix c = new DenseMatrix(5000,5000);

a.multAdd(b, c);

使用MJT + OpenBlas的性能应与MatLab大致相同.