最近寫的乙個程式設計矩陣與向量的乘法，跑起來特別慢，因此利用jama包來提高運算速度，對比了一下矩陣相乘的速度：
jama 表示jama的運算速度，for表示最原始的for迴圈處理的速度：
matix元素的值是（-3,3）之間的乙個浮點型隨機數：
matrix size
500*500
1000*1000
2000*2000
3000*3000
jama
<1s
2s11s
38sfor
1s17s
41s575s
exp快速運算：
在其他**中看見運算exp運算的快速是實現，拿來比了下速度，似乎關係不大：
private static double fastexp(double val)
compare with 1000000 nums:
fastexp begin :2014-01-03 11:11:23
faseexp ends :2014-01-03 11:11:23
old begin :2014-01-03 11:11:23
old ends :2014-01-03 11:11:24
compare with 2000000 nums:
fastexp begin :2014-01-03 11:11:24
faseexp ends :2014-01-03 11:11:24
old begin :2014-01-03 11:11:24
old ends :2014-01-03 11:11:24
其中old begin 是指用math.pow(math.e,val)計算出來的值。從只粗算到秒的結果來看，這兩者的區別並不大。
看來程式慢的原因還要慢慢找。
python矩陣運算速度 用numpy矩陣加速計算
如果你的位元真的是每位元組8個 32個整型，您可以將smallmatrix縮小到20x16，然後嘗試以下方法，在這裡只做一行。newmatrix x,y 1當x周圍20x16的任何乙個位y是1？你到底在找什麼？在python m timeit s slide 16 bit mask across 3...
矩陣運算 矩陣旋轉
以下不加證明地給出在世界座標系中，以座標點 0，0，0 為原點的旋轉矩陣 包含平移的線性變換稱作仿射變換，3d中的仿射變換不能用 3 x 3 矩陣表達，必須使用4 x 4矩陣 1.繞x座標軸旋轉 1 0 0 0 0 cos a sin a 0 0 sin a cos a 0 0 0 0 1 2.繞y...
通過矩陣乘法看記憶體訪問對CPU運算速度的影響
關於intel c 編譯器和visual c 編譯器的差異塊可見 intel和microsoft c 編譯器在矩陣乘法測試例子中執行時間的差異 從速度上考量這裡僅測試intel c 編譯器的情形。矩陣乘法有普通的按定義的方法和塊方法，測試結果表明後者可達到前者的兩倍速度。速度和 通過加法運算看記憶體...