【问题标题】:Non-negative Matrix Factorization (NMF) using GPUs使用 GPU 的非负矩阵分解 (NMF)
【发布时间】:2017-09-06 17:47:32
【问题描述】:

目前,我正在使用 NMF 的 Python 实现。我正在考虑改进 NMF 的方法,因为如果你有很多文档,它会变得很慢。由于 NMF 使用矩阵乘法,我想也许可以使用 GPU(图形处理单元)。我找到了实现NMF on GPUs 的解决方案。

问题是:将 NMF 与 GPU 支持一起使用以加快 NMF 的性能是否是一个很好的解决方案?还是我应该采取不同的方法?

【问题讨论】:

  • GPU 代表什么?
  • GPU 可能是图形处理单元
  • 如 URL 中所述,GPU 代表图形处理单元。我将其添加到问题中以进行澄清。没有理由对我认为的问题投反对票。

标签: python gpu


【解决方案1】:

目前,具有块主旋转的交替非负最小二乘法是计算 NMF 的最快方法。
你可以在这里找到 Python 的实现:https://github.com/kimjingu/nonnegfac-python

如果您确定 GPU 实现使用的是最快的方法之一,那就去吧。较慢的方法(例如乘法更新)可能会慢几个数量级,并且可能不值得使用 GPU。

【讨论】:

    猜你喜欢
    • 2017-07-10
    • 2015-10-06
    • 2021-02-24
    • 2014-09-04
    • 2012-11-28
    • 2017-04-07
    • 2013-05-10
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多