密集矩阵分解的基准

该基准测试是在配备英特尔酷睿i7 @ 2,6 GHz的笔记本电脑上运行的，并且在启用了AVX和FMA指令集的情况下进行了编译，但没有多线程。 它使用单精度浮点数。 对于double，您可以通过将时间乘以因子2来获得良好的估计。

方形矩阵是对称的，对于过约束矩阵，报告的时序包括基于Cholesky和LU计算前四个求解器的对称协方差矩阵$ A ^ TA $的成本，用*符号表示（右上角） 角落的一部分）。 时间以毫秒为单位，因子与LLT分解有关，LLT分解是最快但也最不通用且最稳健的。

总结

• LLT始终是最快的求解器。
• 对于很大程度上过度约束的问题，Cholesky / LU分解的成本主要由对称协方差矩阵的计算决定。
• 对于大问题规模，只有实现缓存友好阻塞策略的分解才能很好地扩展。 这些包括LLT，PartialPivLU，HouseholderQR和BDCSVD。 这解释了为什么对于4k x 4k矩阵，HouseholderQR比LDLT更快。 将来，LDLT和ColPivHouseholderQR也将实施阻止策略。
• CompleteOrthogonalDecomposition基于ColPivHouseholderQR，因此可以达到相同的性能水平。