计算Python中稀疏矩阵的广义特征值

我正在使用scipy.sparse.linalg.eigsh来解决非常稀疏矩阵的广义特征值问题，并且遇到内存问题。矩阵是一个有100万行/列的正方形矩阵，但每行只有大约25个非零条目。有没有办法在不将整个矩阵读入内存的情况下解决问题，即一次只处理内存中的矩阵块？计算Python中稀疏矩阵的广义特征值

如果解决方案涉及到在python或java中使用不同的库，那没关系。

来源

2012-11-02 user1795665

不幸的是，它看起来像你已经在使用ARPACK。你可能不得不去FORTRAN执行ARPACK，或者使用ARPACK ++来获得你需要的细粒度内存控制... – brentlance

你有没有试过[Shift-invert mode？]（http：//docs.scipy .org/doc/scipy/reference/tutorial/arpack.html）。另外，你是否真的需要所有的特征值（你可以计算最大值）？ – lucasg

对于ARPACK，您只需要编写计算某些矩阵向量乘积的例程。这可以以你喜欢的任何方式实现，例如从磁盘读取矩阵。

from scipy.sparse.linalg import LinearOperator 

def my_matvec(x): 
    y = compute matrix-vector product A x 
    return y 

A = LinearOperator(matvec=my_matvec, shape=(1000000, 1000000)) 
scipy.sparse.linalg.eigsh(A)

请查看scipy.sparse.linalg.eigsh文档以了解广义特征值问题情况下需要的内容。

Scipy ARPACK接口或多或少暴露了完整的ARPACK接口，所以我怀疑你会通过切换到FORTRAN或其他方式访问Arpack获得很多收益。

来源

2012-11-03 13:43:59

计算Python中稀疏矩阵的广义特征值

回答

相关问题