0
我一直在研究是否应该在NodeJS或Python中执行一些数据工作。我创建了几个测试,这些测试似乎表明NodeJS使用的Vectorious模块可以以比Python的Numpy模块更快的速度执行矩阵操作。是Vectorious的'Matrix.product函数比Numpy的乘法函数更快吗?
以下是我编写的两个测试,用于测试模块之间的元素方式乘法。我想知道:
- 我是否正确设计了这些测试?我明白,这类测试可能涉及大量复杂的问题。
- 如果这些测试的设计是否正确,那么在数据空间中如何强调Numpy的使用?
- 无论结果如何,一个比另一个好?
我明白第二个和第三个问题可能会导致非常有见地的答案,我更关注第一个问题,因为这会推动未来的发展。
的NodeJS逐元素乘法测试:
const v = require('vectorious'),
Matrix = v.Matrix;
const size = 25000;
console.log("NodeJS: Creating matrices...")
let matrixA = Matrix.random(size, size);
console.log("NodeJS: Matrix A created.")
let matrixB = Matrix.random(size, size);
console.log("NodeJS: Matrix B created.")
console.log("NodeJS: Starting... (matrixA(0,0):" + matrixA.get(0, 0) + ")(matrixA(24999,24999):" + matrixA.get(24999, 24999) + ")")
t = process.hrtime()
matrixA.product(matrixB)
t2 = process.hrtime(t);
console.log("%s %d seconds and %d nanoseconds", "NodeJS: Duration", t2[0], t2[1]);
console.log(matrixA.get(0, 0) + " | " + matrixB.get(0, 0))
console.log(matrixA.get(24999, 24999) + " | " + matrixB.get(24999, 24999))
Python的元素方面的乘法测试:
import numpy as np
import time
size = 25000
print("Python: Creating matrices...")
matrix = np.random.uniform(0, 10, (size,size))
print("Python: Created matrix A.")
matrixB = np.random.uniform(0, 10, (size,size))
print("Python: Created matrix B.")
print("Starting matrix multiplication...")
start = time.perf_counter()
matrixC = np.multiply(matrix, matrixB)
end = time.perf_counter()
elapsed = end - start
print("elapsed time = {:.12f} seconds".format(elapsed))
print("-", matrix[0])
print("-", matrixC[0])
我不熟悉NodeJS。 'matrixA.product(matrixB)'把结果放回'matrixA'吗?在这种情况下,我认为它更快,因为操作是在原地执行的,而'np.multiply'需要为'matrixC'分配内存。您可以通过预先分配'matrixC'并将其与'out = matrixC'传递给函数来使比较更加公平。 (或者使用NodeJS中不相应的乘法版本,以适合您的需求为准)。 – kazemakase
我更新了Numpy测试以使用以下两行: 在perf计数器之外:'matrixC = np.random.uniform (0,10,(size,size))'|在perf计数器内:'np.multiply(matrixA,matrixB,out = matrixC)' 这些更改导致额外增加了约20秒的时间。 – Base13