Ich muss jetzt eine ungefähre Lösung für ein lineares Gleichungssystem unter Verwendung nicht negativer kleinster Quadrate (NNLs) lösen. Der Eingang ist eine Matrix (N -Zeilen und M -Spalten) und ein Spaltenvektor (N -Elemente), und der erwartete Ausgang ist ein Vektor (m -Elemente). < /P>
Derzeit verwende ich die NNLS Schnittstelle aus dem scipy.optimize Modul in Python, aber die Datengröße ist zu groß (n = 100K, M = 7K), was zu übermäßig langen Berechnungszeiten (10H, Single-Threaded) führt. Daher möchte ich eine effizientere C/C ++-Methode oder einen Multi-Thread-Ansatz (wenn möglich) verwenden, und ich muss sicherstellen Maschine mit der gleichen Befehlssatzkompatibilität).
Welche Bibliotheken können diese Anforderung erfüllen?
Ich muss jetzt eine ungefähre Lösung für ein lineares Gleichungssystem unter Verwendung nicht negativer kleinster Quadrate (NNLs) lösen. Der Eingang ist eine Matrix (N -Zeilen und M -Spalten) und ein Spaltenvektor (N -Elemente), und der erwartete Ausgang ist ein Vektor (m -Elemente). < /P> Derzeit verwende ich die NNLS Schnittstelle aus dem scipy.optimize Modul in Python, aber die Datengröße ist zu groß (n = 100K, M = 7K), was zu übermäßig langen Berechnungszeiten (10H, Single-Threaded) führt. Daher möchte ich eine effizientere C/C ++-Methode oder einen Multi-Thread-Ansatz (wenn möglich) verwenden, und ich muss sicherstellen Maschine mit der gleichen Befehlssatzkompatibilität). Welche Bibliotheken können diese Anforderung erfüllen?
Ich verwende den Löser der teilweisen kleinsten Quadrate (PLS) zur Datenanalyse mehrerer überlagerter spektraler Signale. Manchmal bekomme ich einige der schwächeren Signale als negative Werte, die...
Ich habe mir die Funktion numpy.linalg.lstsq angesehen und enthält alle Arten von Solver, die Lapack mit Ausnahme von Gel -Routine bietet, die auf der qR -Zerlegung basieren (Haushalter -Reflektoren...
Mobile version