【原】Matlab-Python矩阵计算速度对比

上期在MATLAB中启用GPU加速会有多快？对比了matlab在启用Gpu加速前后求解数据量较大的矩阵问题中的表现。

我们知道NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。

我们同样使用求解5000x5000矩阵的特征值与特征向量的案例进行测试

python代码如下:

import numpy as npimport timestart=time.perf_counter()A=np.random.rand(5000,5000)d,v=np.linalg.eig(A)end=time.perf_counter()print('计算耗时%s'%(end-start))

计算耗时为：73.84s

看来比未使用gpu加速的matlab还慢了一些。matlab不愧名为“矩阵实验室”

虽然python中也有使用gpu进行计算的cupy库，但是其对系统等环境版本要求较多（目前对windows系统的支持不是很好），笔者由于手头电脑配置所限暂时无法使用。各位如果有条件的话可以尝试一番，其代码与numpy高度一致，仅仅需要将“import numpy”改为“import cupy”即可。