Je fais des benchmarks avec CUDA, C ++, C #, Java et j'utilise MATLAB pour la vérification et la génération de matrices. Lorsque j'effectue une multiplication matricielle avec MATLAB, des 2048x2048matrices encore plus grandes sont multipliées presque instantanément. 1024x1024 2048x2048 4096x4096...
je connais @ c'est pour les décorateurs, mais à quoi sert @=Python? Est-ce juste une réservation pour une idée future? Ce n'est qu'une de mes nombreuses questions en lisant
Les documents numpy recommandent d'utiliser un tableau au lieu de la matrice pour travailler avec des matrices. Cependant, contrairement à octave (que j'utilisais jusqu'à récemment), * n'effectue pas de multiplication matricielle, vous devez utiliser la fonction matrixmultipy (). Je pense que cela...
Je fais des comparaisons de multiplication matricielle, comme mentionné précédemment dans Pourquoi MATLAB est-il si rapide en multiplication matricielle? Maintenant, j'ai un autre problème, lors de la multiplication de deux matrices 2048x2048, il y a une grande différence entre C # et les autres....
Je suis récemment passé à Python 3.5 et j'ai remarqué que le nouvel opérateur de multiplication matricielle (@) se comporte parfois différemment de l' opérateur numpy dot . Par exemple, pour les tableaux 3D: import numpy as np a = np.random.rand(8,13,13) b = np.random.rand(8,13,13) c = a @ b #...
J'ai deux matrices a = np.matrix([[1,2], [3,4]]) b = np.matrix([[5,6], [7,8]]) et je veux obtenir le produit élément par élément [[1*5,2*6], [3*7,4*8]], égalant [[5,12], [21,32]] j'ai essayé print(np.dot(a,b)) et print(a*b) mais les deux donnent le résultat [[19 22], [43 50]] qui est le produit de...