問題タブ [jax]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
performance - 行列の要素を累乗する 2 つのアプローチの比較
で行列をべき乗する 2 つの方法がありjnp = jax.numpyます。簡単なもの：
さらに、いくつかの追加アクションがあります。
しかし、私がそれらをテストしたとき：
The second approach turned to outperform, despite having superficially some additional overhead. I've run a %timeit with a matrix of size 2000 x 2000:
Why it may be the case?
python - jax.numpy 配列をスライスするとパフォーマンスが低下する
大きな配列に対して SVD 圧縮を実行しようとすると、Jax で理解できない動作に遭遇しました。サンプルコードは次のとおりです。
このコード スニペットを考慮すると、Jax/jit は SciPy よりもパフォーマンスが大幅に向上しますが、最終的には U の次元を減らしたいと考えています。
このステップは、次の比較でわかるように、計算時間の点で信じられないほどコストがかかり、SciPy の同等物よりも高くなります。
sc_compress上記の jax コードにsc_process相当する SciPy です。ご覧のとおり、SciPy で配列をスライスするコストはほとんどかかりませんが、ヒット関数の出力に適用すると非常にコストがかかります。誰かがこの行動について何らかの洞察を持っていますか?