performance - 各种 clojure 矩阵库之间存在哪些性能权衡？

Question

clojure 有许多矩阵库:

vectorz-clj

clatrix

parallel colt

脑

这些库之间的性能权衡是什么？
我听说在一些底层实现中，(例如)矩阵实例化和操作性能之间存在权衡，但我无法找到详细说明这些考虑因素的综合资源。

谢谢

Answer 1

如果你想使用 core.matrix ，目前只有两种实现相当成熟和高性能:

Clatrix - 使用对 的调用原生 BLAS

vectorz-clj - 灵活快速的纯JVM 实现

这真的取决于您的用例。如果您主要关心大型线性代数运算并且不介意 native 依赖关系，那么 Clatrix是您目前最好的选择 - 仅仅是因为 BLAS 的实现速度如此之快。这对于以下情况特别有用:

大矩阵乘法

线性代数(矩阵分解等)

如果你想做一般的数组编程工作，那么 vectorz-clj具有纯 JVM 代码的优点，并且在数组/矩阵格式方面更加灵活。 vectorz-clj 很好地支持你在 Clatrix 中不能做的事情的例子:

N 维数组

各种特殊类型的稀疏数组(对角矩阵、不同的稀疏存储格式等)

具有任意跨步访问的数组(如 Numpy)

将轻量级“ View ”转换为更大的数组

总体而言， vectorz-clj对于像大矩阵乘法这样的事情不会那么快，但可能比 Clatrix 快对于许多其他操作和中小型矢量工作。我通常会选择 vectorz-clj除非我认为线性代数性能将是主要瓶颈。

其他 core.matrix实现不太成熟，但对于特定用例可能仍然有用。 core.matrix 的一个不错的功能是在使用相同的通用 API 时混合和匹配实现的能力，因此它不是“全有或全无”的选择。

免责声明:我已经创建或参与了上述许多项目。我希望我已经给出了一个相当公正和客观的评价。

如果您不需要 core.matrix支持，那么您有更多选择 - 您可以通过 Clojure 的 Java 互操作使用任何 Java 矩阵库。理论上，这些可能会变成 core.matrix实现也是如此——唯一的限制是有人需要做一些工作来扩展 core.matrix 协议(protocol)以支持新的矩阵类型。