如何在python / scipy中有效地组装大型稀疏矩阵
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了如何在python / scipy中有效地组装大型稀疏矩阵,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1166字,纯文字阅读大概需要2分钟。
内容图文
![如何在python / scipy中有效地组装大型稀疏矩阵](/upload/InfoBanner/zyjiaocheng/675/2a0f1e9f93ba4e07af30fecd92f3f8d9.jpg)
我正在使用Scipy进行FEM项目.现在我的问题是
稀疏矩阵的组装太慢.我计算
每个元素在密集小矩阵中的贡献(每个对应一个)
元件).为了组装全局矩阵,我遍历了所有矩阵
小密集矩阵,并通过以下方式设置矩阵条目:
[i,j] = someList[k][l]
Mglobal[i,j] = Mglobal[i,j] + Mlocal[k,l]
Mglobal是适当大小的lil_matrice,someList映射
索引变量.
当然,这相当慢并且会消耗大部分矩阵
组装时间.有没有更好的方法来组装大型稀疏矩阵
来自许多小的密集矩阵?我尝试了scipy.weave,但没有
似乎适用于稀疏矩阵
解决方法:
我把回应贴到了scipy邮件列表中;堆栈溢出要容易一些
访问,所以我也会在这里发布它,尽管版本有所改进.
诀窍是使用IJV存储格式.这是三个数组的三重奏
第一个包含行索引,第二个包含列索引,并且
第三个在该位置具有矩阵的值.这是最好的方法
建立有限元矩阵(或我认为任何稀疏矩阵)作为访问
到这种格式的速度非常快(只需填充一个数组).
在scipy中,这称为coo_matrix;该类将三个数组作为
论点.实际上,它仅对转换为另一种格式(CSR操作系统
CSC)用于快速线性代数.
对于有限元,您可以通过以下方式估算三个数组的大小
喜欢
size = number_of_elements * number_of_basis_functions**2
因此,如果您具有2D二次方,则可以执行number_of_elements * 36.
这种方法很方便,因为如果您有本地矩阵,
具有全局数字和输入值:正是您需要的建筑
三个IJV阵列. Scipy非常聪明,可以抛出零项,因此
高估是可以的.
内容总结
以上是互联网集市为您收集整理的如何在python / scipy中有效地组装大型稀疏矩阵全部内容,希望文章能够帮你解决如何在python / scipy中有效地组装大型稀疏矩阵所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。