小编Som*_*AHA的帖子

加速科学python计划

我在python中有以下代码:

def P(z, u0):
    x = np.inner(z, u0)
    tmp = x*u0
    return (z - tmp)


def powerA2(A, u0):
    x0 = np.random.rand(len(A))
    for i in range(ITERATIONS):
        x0 = P(np.dot(A, x0), u0)
        x0 = x0 / np.linalg.norm(x0)
    return (np.inner(np.dot(A, x0), x0))
Run Code Online (Sandbox Code Playgroud)

npnumpy包.

我有兴趣为大小为100,000*100,000的矩阵运行此代码,但似乎这个程序没有机会快速运行(我需要多次运行,大约10,000次).

是否有可能像多线程这样的技巧在这里起作用?

还有什么有助于加速它?

python numpy scientific-computing

3
推荐指数
1
解决办法
212
查看次数

标签 统计

numpy ×1

python ×1

scientific-computing ×1