【发布时间】：2020-07-04 23:37:57
【问题描述】：
np.linalg.eig() 函数在 (15000, 15000) 矩阵上花费超过 10 分钟的时间是否正常？我正在使用标准运行时在 colab 环境中运行它。
【问题讨论】：
-
如果您提供了您使用过的代码 - 其他人可以轻松找出代码是否存在问题。最少的可重现代码总是有帮助的！
标签： python numpy eigenvalue eigenvector
【发布时间】：2020-07-04 23:37:57
【问题描述】：
对于 N×N 矩阵，算法应该按照O(N^3) 进行缩放。所以如果 N 需要 T 时间，那么 2N 需要 2^3T = 8T 时间，而 10N 需要 10^3T = 1000T 时间。在我的旧笔记本电脑上，N=1500 需要 3.7 秒。 N=3000 需要 22 秒，这并不是真正的 8*3.7，但已经足够接近了。
现在 3000*5 = 15000，22*5^3 = 2750 秒 = 46 分钟。所以这就是它应该在我的电脑上花费的时间。所以你的电脑速度更快，但 15 分钟似乎还可以！
【讨论】：
-
嘿，谢谢你的回答！有什么办法可以让我跑得更快吗？也仅供参考，没用15分钟，其实用了很长时间，我说超过10分钟，因为当时它还在运行，已经过了十分钟。
-
@MalavikaUnnikrishnan 如果您需要所有特征值，我认为唯一的补救措施是更多核心。如果您只需要
k最小或最大特征值，则有更快的算法，并且 numpy 可能也实现了它们。 -
另一个可能很重要的细节是确保 numpy 使用快速线性代数后端。如果您通过 anaconda 使用 python，那么它应该链接到 mkl。如果您使用一些系统默认 python，则可能使用了一些默认库，这可能会减慢速度。但它在多个线程上运行对吗？
-
@MalavikaUnnikrishnan 如果这回答了您的问题，您可以单击复选标记接受它。 （向上投票的箭头：）