Python 下 Numba 加速实现比 Numpy.linalg.det() 更快速的行列式计算

Fork_xz

于 2023-02-04 22:41:24 发布

阅读量767

点赞数 1

文章标签： numpy python 开发语言

本文链接：https://blog.csdn.net/Fork_xz/article/details/128886413

版权

本文展示了如何利用numba库优化计算任意大小矩阵行列式的过程，实现比numpy.linalg.det()快约十倍的效率。通过编写特定的计算代码并应用numba的jit加速，实现了与numpy和pytorch计算结果一致但速度显著提升的效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

简介

本文描述一种使用numba加速任意大小矩阵的行列式，实现比用numpy线性代数库中的函数numpy.linalg.det()快约十倍的计算速度。

一项目中需要频繁计算形状为(Batch，K, K)大小矩阵的行列式，于是使用numpy线性代数库中的函数numpy.linalg.det(), 示例如下:

b = 256**2
k = 3
A = np.random.randn(b,k,k)
npDet = np.linalg.det(A)
print("The Numpy Determinant of A is", round(sum(npDet),9))

输出：
The Numpy Determinant of A is 176.93690024

简单使用timeit测试一下速度：

%timeit npDet = np.linalg.det(A)

输出：
10.8 ms ± 90 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

平均10ms的执行速度实在是有点浪费生命，人生苦短，不如自己造轮子。

接下来我们重写一个计算行列式的代码并使用numba.jit()进行加速：

@numba.jit(nopython=<