18

我希望使用 Numba（ http://numba.pydata.org/ ）加速我的机器学习算法（用 Python 编写）。请注意，该算法将稀疏矩阵作为其输入数据。在我的纯 Python 实现中，我使用了来自 Scipy 的 csr_matrix 和相关类，但显然它与 Numba 的 JIT 编译器不兼容。

我还创建了自己的自定义类来实现稀疏矩阵（基本上是（索引，值）对列表的列表），但它又与 Numba 不兼容（即，我收到一些奇怪的错误消息说它不' t 识别扩展类型）

有没有一种替代的、简单的方法来实现稀疏矩阵，只使用与 Numba 兼容的 numpy（不求助于 SciPy）？任何示例代码将不胜感激。谢谢！

4

2 回答 2

5

如果您只需遍历 CSR 矩阵的值，则可以将属性数据、indptr 和索引传递给函数而不是 CSR 矩阵对象。

from scipy import sparse
from numba import njit

@njit
def print_csr(A, iA, jA):
    for row in range(len(iA)-1):
        for i in range(iA[row], iA[row+1]):
            print(row, jA[i], A[i])

A = sparse.csr_matrix([[1, 2, 0], [0, 0, 3], [4, 0, 5]])
print_csr(A.data, A.indptr, A.indices)
于 2018-07-16T22:59:48.907 回答
3

您可以将稀疏矩阵的数据作为纯 numpy 或 python 访问。例如

M=sparse.csr_matrix([[1,0,0],[1,0,1],[1,1,1]])
ML = M.tolil()

for d,r in enumerate(zip(ML.data,ML.rows))
    # d,r are lists
    dr = np.array([d,r])
    print dr

产生：

[[1]
 [0]]
[[1 1]
 [0 2]]
[[1 1 1]
 [0 1 2]]

当然，numba 可以处理使用这些数组的代码，当然，前提是它不期望每一行都具有相同大小的数组。

该lil格式按行存储值 2 个对象 dtype 数组，其中数据和索引存储列表。

于 2013-10-18T22:22:00.543 回答