0

我正在从事一个需要为 74000 X 640 维度的矩阵获取 SVD（单值分解）的项目。我尝试了这三个库：Jama、高效的 Java Matrix 库 (EJML) 和 OjAlgo。我根据 SVD 中的 Java Matrix 基准内存结果选择这三个库。起初我使用 Jama，但后来我发现行数必须 >= 列数，我需要在另一个步骤中获取任何矩阵维度的 SVD。所以，我搬到了 EJML 和 OjAlgo，但我对 EJML 有一些疑问/问题：

EJML--> 它为 SVD 提供了正确的结果，但是当我将矩阵大小扩大到 74000 X 640 维度时，它给了我堆内存异常，那么库的矩阵大小是否有限制？

这是我用于创建矩阵的代码：

 SimpleMatrix A = new SimpleMatrix(74000, 640);

请帮助我理解并解决我的问题。

谢谢

4

2 回答 2

0

JVM 堆的大小是多少？假设双精度数字，密集排列，您的 74000 X 640 矩阵将占用大约 361Mb 的 RAM。我想计算 SVD 的工作记忆至少又是这样。所以很可能库中没有内存限制，只是你使用了很多，而 JVM 没有足够的堆空间来运行你的计算。

于 2012-06-26T19:12:03.680 回答
0

抱歉，我通过添加一行代码（函数计算）来解决 OjAlgo 的问题，现在代码如下所示：

MatrixFactory<?> tmpFactory = PrimitiveMatrix.FACTORY;
double[][] tmpData = new double[][] {{1,2,3,4,5},{11,12,18,19,25},{89,75,14,21,26},{33,24,47,15,49}};
BasicMatrix tmpH = tmpFactory.rows(tmpData);
Access2D<Double> j = (Access2D<Double>)tmpH;
SingularValue f = SingularValueDecomposition.make(j);
f.compute(j);

谢谢..

于 2012-06-27T04:48:05.900 回答