python - 在python中使矩阵运算更快的最佳方法是什么

Question

当我在我的代码中评估执行时间时，我发现以下三行代码占用了几乎 99% 的运行时间，所以我的目标是优化这三行代码。

以下代码的细节是：R，P，Q都是稀疏矩阵，我使用scipy.sparse.lil_matrix，数据类型是np.float64，而alpha，beta只是float常量。

eij = R[i, j] - np.dot(P[i, :], Q[:, j])                             (~9s)
    for k in range(K):                                               (~11s)
         P[i, k] += alpha * (2 * eij * Q[k, j] - beta * P[i, k])
         Q[k, j] += alpha * (2 * eij * P[i, k] - beta * Q[k, j])

我怎样才能让他们跑得更快！！！？？？

Answer 1

原来numpy已经优化了矩阵类型的操作，所以将代码改写为：

eij = rating_train[i, j] - np.dot(P[i, :], Q[:, j])
P[i, :] += alpha * (2 * eij * Q[:, j] - beta * P[i, :])
Q[:, j] += alpha * (2 * eij * P[i, :] - beta * Q[:, j])

这比原始代码快约 1 倍。但是我还是不满意。。