python - 用numba计算内部产品的正确方法

我正在尝试计算两个大矩阵的内积。尝试计算点积时，似乎numpy创建矩阵的副本，这导致了我一些内存问题。谷歌搜索之后，我发现numba软件包很有希望。但是我无法使它正常工作。这是我的代码：

import numpy as np
from numba import jit
import time, contextlib



@contextlib.contextmanager
def timeit():
    t=time.time()
    yield
    print(time.time()-t,"sec")


def dot1(a,b):
    return np.dot(a,b)

@jit(nopython=True)
def dot2(a,b):
    n = a.shape[0]
    m = b.shape[1]
    K = b.shape[0]
    c = np.zeros((n,m))
    for i in xrange(n):
        for j in xrange(m):
            for k in range(K):
                c[i,j] += a[i,k]*b[k,j]

    return c



def main():
    a = np.random.random((200,1000))
    b = np.random.random((1000,400))

    with timeit():
        c1 = dot1(a,b)
    with timeit():
        c2 = dot2(a,b)

具有以下运行时间：

dot1:
(0.034691810607910156, 'sec')

dot2:
(0.9215810298919678, 'sec')

谁能告诉我我在这里想念的东西吗？

最佳答案

您的算法是天真的算法。 BLAS实施速度更快。

引用维基百科的matrix multiplication页：


  尽管如此，它还是出现在多个库中，例如BLAS，对于n> 100的矩阵，它的效率要高得多。

关于python - 用numba计算内部产品的正确方法，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/25545465/