python求1到n的乘积_Python实现矩阵相乘的三种方法小结
问题描述
分别实现矩阵相乘的3种算法,比较三种算法在矩阵大小分别为22∗2222∗22, 23∗2323∗23, 24∗2424∗24, 25∗2525∗25, 26∗2626∗26, 27∗2727∗27, 28∗2828∗28, 29∗2929∗29时的运行时间与MATLAB自带的矩阵相乘的运行时间,绘制时间对比图。
解题方法
本文采用了以下方法进行求值:矩阵计算法、定义法、分治法和Strassen方法。这里我们使用Matlab以及Python对这个问题进行处理,比较两种语言在一样的条件下,运算速度的差别。
编程语言
Python
具体代码
#-*- coding: utf-8 -*-
from matplotlib.font_manager import FontProperties
import numpy as np
import time
import random
import math
import copy
import matplotlib.pyplot as plt
#n = [2**2, 2**3, 2**4, 2**5, 2**6, 2**7, 2**8, 2**9, 2**10, 2**11, 2**12]
n = [2**2, 2**3, 2**4, 2**5, 2**6, 2**7, 2**8, 2**9, 2**10, 2**11]
Sum_time1 = []
Sum_time2 = []
Sum_time3 = []
Sum_time4 = []
for m in n:
A = np.random.randint(0, 2, [m, m])
B = np.random.randint(0, 2, [m, m])
A1 = np.mat(A)
B1 = np.mat(B)
time_start = time.time()
C1 = A1*B1
time_end = time.time()
Sum_time1.append(time_end - time_start)
C2 = np.zeros([m, m], dtype = np.int)
time_start = time.time()
for i in range(m):
for k in range(m):
for j in range(m):
C2[i, j] = C2[i, j] + A[i, k] * B[k, j]
time_end = time.time()
Sum_time2.append(time_end - time_start)
A11 = np.mat(A[0:m//2, 0:m//2])
A12 = np.mat(A[0:m//2, m//2:m])
A21 = np.mat(A[m//2:m, 0:m//2])
A22 = np.mat(A[m//2:m, m//2:m])
B11 = np.mat(B[0:m//2, 0:m//2])
B12 = np.mat(B[0:m//2, m//2:m])
B21 = np.mat(B[m//2:m, 0:m//2])
B22 = np.mat(B[m//2:m, m//2:m])
time_start = time.time()
C11 = A11 * B11 + A12 * B21
C12 = A11 * B12 + A12 * B22
C21 = A21 * B11 + A22 * B21
C22 = A21 * B12 + A22 * B22
C3 = np.vstack((np.hstack((C11, C12)), np.hstack((C21, C22))))
time_end = time.time()
Sum_time3.append(time_end - time_start)
time_start = time.time()
M1 = A11 * (B12 - B22)
M2 = (A11 + A12) * B22
M3 = (A21 + A22) * B11
M4 = A22 * (B21 - B11)
M5 = (A11 + A22) * (B11 + B22)
M6 = (A12 - A22) * (B21 + B22)
M7 = (A11 - A21) * (B11 + B12)
C11 = M5 + M4 - M2 + M6
C12 = M1 + M2
C21 = M3 + M4
C22 = M5 + M1 - M3 - M7
C4 = np.vstack((np.hstack((C11, C12)), np.hstack((C21, C22))))
time_end = time.time()
Sum_time4.append(time_end - time_start)
f1 = open('python_time1.txt', 'w')
for ele in Sum_time1:
f1.writelines(str(ele) + '\n')
f1.close()
f2 = open('python_time2.txt', 'w')
for ele in Sum_time2:
f2.writelines(str(ele) + '\n')
f2.close()
f3 = open('python_time3.txt', 'w')
for ele in Sum_time3:
f3.writelines(str(ele) + '\n')
f3.close()
f4 = open('python_time4.txt', 'w')
for ele in Sum_time4:
f4.writelines(str(ele) + '\n')
f4.close()
font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=8)
plt.figure(1)
plt.subplot(221)
plt.semilogx(n, Sum_time1, 'r-*')
plt.ylabel(u"时间(s)", fontproperties=font)
plt.xlabel(u"矩阵的维度n", fontproperties=font)
plt.title(u'python自带的方法', fontproperties=font)
plt.subplot(222)
plt.semilogx(n, Sum_time2, 'b-*')
plt.ylabel(u"时间(s)", fontproperties=font)
plt.xlabel(u"矩阵的维度n", fontproperties=font)
plt.title(u'定义法', fontproperties=font)
plt.subplot(223)
plt.semilogx(n, Sum_time3, 'y-*')
plt.ylabel(u"时间(s)", fontproperties=font)
plt.xlabel(u"矩阵的维度n", fontproperties=font)
plt.title( u'分治法', fontproperties=font)
plt.subplot(224)
plt.semilogx(n, Sum_time4, 'g-*')
plt.ylabel(u"时间(s)", fontproperties=font)
plt.xlabel(u"矩阵的维度n", fontproperties=font)
plt.title( u'Strasses法', fontproperties=font)
plt.figure(2)
plt.semilogx(n, Sum_time1, 'r-*', n, Sum_time2, 'b-+', n, Sum_time3, 'y-o', n, Sum_time4, 'g-^')
#plt.legend(u'python自带的方法', u'定义法', u'分治法', u'Strasses法', fontproperties=font)
plt.show()
以上这篇Python实现矩阵相乘的三种方法小结就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
python求1到n的乘积_Python实现矩阵相乘的三种方法小结相关推荐
- python怎么循环终止_Python 循环终止语句的三种方法小结
Python 循环终止语句的三种方法小结 在Python循环终止语句有三种: 1.break break用于退出本层循环 示例如下: while True: print "123" ...
- python输出矩阵的转置_Python 矩阵转置的几种方法小结
我就废话不多说了,直接上代码吧! #Python的matrix转置 matrix = [[1,2,3,4],[5,6,7,8],[9,10,11,12]] def printmatrix(m): fo ...
- python矩阵转置_Python 矩阵转置的几种方法小结
我就废话不多说了,直接上代码吧! #Python的matrix转置 matrix = [[1,2,3,4],[5,6,7,8],[9,10,11,12]] def printmatrix(m): fo ...
- python中矩阵的转置怎么写_Python 矩阵转置的几种方法小结
我就废话不多说了,直接上代码吧! #Python的matrix转置 matrix = [[1,2,3,4],[5,6,7,8],[9,10,11,12]] def printmatrix(m): fo ...
- python distance matrix_Python 矩阵转置的几种方法小结
我就废话不多说了,直接上代码吧! #Python的matrix转置 matrix = [[1,2,3,4],[5,6,7,8],[9,10,11,12]] def printmatrix(m): fo ...
- Matlab求矩阵的逆(三种方法)
Matlab求矩阵的逆(三种方法) 说明:若所求矩阵为非奇异矩阵(可逆矩阵),则可以精确求得其逆矩阵:若所求矩阵为奇异矩阵,则所求出的逆矩阵是近似的(不精确). 下面以矩阵A为例. inv()方法 A ...
- python网页爬取方法_Python爬取网页的三种方法
# Python爬取网页的三种方法之一: 使用urllib或者urllib2模块的getparam方法 import urllib fopen1 = urllib.urlopen('http://w ...
- python如何实现下载文件_python实现下载文件的三种方法
python实现下载文件的三种方法 Python开发中时长遇到要下载文件的情况,最常用的方法就是通过Http利用urllib或者urllib2模块. 当然你也可以利用ftplib从ftp站点下载文件. ...
- python 解方程_python如何解方程的三种方法
python求解方程组的三种方法: Numpy求解方程组x + 2y = 3 4x + 5y = 6 当然我们可以手动写出解析解,然后写一个函数来求解,这实际上只是用 Python 来单纯做" ...
最新文章
- 深度学习--TensorFlow(项目)识别自己的手写数字(基于CNN卷积神经网络)
- 收集的一些jQuery (我平常用的少的,但确实挺有效果的)
- jwt用户注销 PHP,flask_jwt 如何实现用户注销
- int数组初始化_Java数组
- 前端笔记-vue中使用router进行页面跳转及除掉url中的#
- 百度全面开放搜索流量,进击的智能小程序!
- java将数据写入csv文件,从csv文件中读取数据
- B站游戏大佬飘了?深挖B站辱北邮事件经过:不是第一次
- windows 界面设计规则与规范
- 冒泡排序(Bubble Sort)详解与代码
- 怎么把一张暗的照片调亮_美图秀秀教你批量将偏暗的照片提亮
- 基础架构即服务(iaas)_基础架构即服务
- IOS -- 获取用户的健康数据的运动步数
- 【测试】抓包技术哪家强?关于Burp、Fiddler、Charles三个工具的抓包测试
- “芯”有灵“蜥”,万人在线!龙蜥社区走进 Intel MeetUp 精彩回顾
- 禁止小红伞(Avira AntiVir)弹出广告
- 算法基础: 什么是红黑树?
- 【入门AUTOSAR网络管理测试】RSS-NOS状态转换
- three.js之高级几何体-使用二元操作组合网格(vue中使用three.js38)
- serializeArray()与 serialize()
热门文章
- Stateflow_报错记录
- 正在播放 html全集视频教程,正在播放:HTML基础视频教程(全集)-网络编程视频-星火视频教程 21edu8.com...
- java 异常处理线程_转:Java子线程中的异常处理(通用)
- mysql查询中怎样使用索引_MySQL如何使用索引
- 数据分析流程和特征工程
- exif.js html图片旋转,解决图片显示 Exif.js更改图片的显示方向
- Jmeter 的json Extractor
- android 功能清单文件夹,全新Android L大小全部功能清单整理
- 腾讯云linux服务器怎么使用图形化界面_winscp使用方法,winscp使用方法详细说明...
- python随机读取字符_利用python3随机生成中文字符的实现方法