OctaveよりもSciPyの方が100倍以上遅い、大きなスパース行列の最小の固有ベクトルを見つける
大きな対称正方スパース行列（最大30000x30000）の最小固有値に対応する少数（5-500）の固有ベクトルを計算しようとしています。値の0.1％未満が非ゼロです。 私は現在scipy.sparse.linalg.eigshをシフトインバートモード（sigma = 0.0）で使用しています。これは、トピックに関するさまざまな投稿でわかった解決策です。ただし、ほとんどの場合、問題を解決するのに最大1時間かかります。一方、ドキュメントから予想された最大固有値（私のシステムではサブ秒）を要求すると、関数は非常に高速になります。 私は仕事でMatlabに慣れているので、Octaveで問題を解決しようとしました。これにより、eigs（sigma = 0）を使用して数秒（サブ10秒）で同じ結果が得られました。固有ベクトルの計算を含むアルゴリズムのパラメータースイープを実行したいので、Pythonでもそのような時間の増加が得られるでしょう。 最初にパラメーター（特に許容誤差）を変更しましたが、タイムスケールではあまり変わりませんでした。 私はWindowsでAnacondaを使用していますが、scipyが使用するLAPACK / BLAS（これは非常に苦痛でした）をmkl（デフォルトのAnaconda）からOpenBlas（ドキュメントに従ってOctaveが使用）に切り替えようとしましたが、変更を確認できませんでしたパフォーマンス。 使用したARPACKに変更点があるかどうか（およびその方法）はわかりませんでした。 以下のコードのテストケースを次のドロップボックスフォルダーにアップロードしました：https ://www.dropbox.com/sh/l6aa6izufzyzqr3/AABqij95hZOvRpnnjRaETQmka?dl=0 Pythonで import numpy as np from scipy.sparse import csr_matrix, csc_matrix, linalg, load_npz M = load_npz('M.npz') evals, evecs = linalg.eigsh(M,k=6,sigma=0.0) オクターブで： M=dlmread('M.txt'); M=spconvert(M); [evecs,evals] = eigs(M,6,0); どんな助けもappriciated！ コメントと提案に基づいて試したいくつかの追加オプション： オクターブ： eigs(M,6,0)とeigs(M,6,'sm')私は同じ結果を与えます： [1.8725e-05 1.0189e-05 7.5622e-06 7.5420e-07 -1.2239e-18 -2.5674e-16] にeigs(M,6,'sa',struct('tol',2))収束しながら …