我想在 Matlab 或 Java 中使用它。如果效率是一个重要因素，与 C、C++ 相比，这两种语言的算法计算速度会慢得多吗？
我知道有一个 PROPACK 和 SVDPACK 等。似乎很旧。有哪些受欢迎的选择？是否存在任何并行版本？如果没有并行版本，我计划制作一个适当的顺序版本来并行化（多线程）。并行化对我的项目很重要，因为它针对的是大型数据集。所以我想我需要直接修改选择的代码（向量计算级别的多线程并行化）。
是否有用于 SVD/特征分解的 Lanczos 方法的流行（并行）实现？
计算科学
并行计算
矩阵
svd
2021-12-03 05:52:22
2个回答
因此，理论上，您可以使用SLEPc的 MATLAB 接口。这样做意味着您不能使用任何基于 MPI 的并行性，如果它类似于 PETSc 的 MATLAB 接口的话。有相当多的安装量（PETSc，您想使用 PETSc 配置的任何软件包，以及您想与 SLEPc 捆绑的任何特征求解器），但它确实为您提供了一个单一界面，您可以从中使用各种方法（例如，厚通过 TRLAN 重启 Lanczos，通过 ARPACK、Krylov-Schur 隐式重启 Arnoldi），以及大量的预处理器。
有一个 Java 线性代数基准，可以让您深入了解 Java 比本机代码慢多少。
比较 Java 和本机代码（从 Java 调用的本机代码）的较早结果。
这个基准测试表明，从 Java 调用本机代码而不是直接在 Java 中实现可以快 10 倍以上，但这是使用更大的矩阵和更复杂的算法。Java 在更简单的操作中表现良好，而对于小型矩阵，调用本机代码时的开销太大。
其它你可能感兴趣的问题