Java矩阵数学库的性能？[已关闭]

performance math java matrix

2022-08-31 07:27:41

我们正在计算一些运行时受矩阵运算约束的东西。（如果有兴趣，请在下面提供一些详细信息。此体验引发了以下问题：

人们是否有用于矩阵数学的Java库的性能经验（例如，乘法，逆等）？例如：

我搜索了一下，什么也没找到。

我们的速度比较细节：

我们使用的是 Intel FORTRAN （ifort （IFORT） 10.1 20070913）。我们已经使用Apache commons math 1.2矩阵操作在Java（1.6）中重新实现了它，并且它同意其所有数字的准确性。（我们有理由在Java中想要它。（Java 双打，Fortran real*8）。Fortran：6分钟，Java 33分钟，同一台机器。jvisualm分析显示了在RealMatrixImpl上花费的大量时间。{getEntry，isValidCoordinate}（在未发布的Apache commons math 2.0中似乎已经消失了，但2.0并不快）。Fortran正在使用Atlas BLAS例程（dpotrf等）。

显然，这可能取决于我们在每种语言中的代码，但我们相信大多数时候都是在等效的矩阵运算中。

在其他几个不涉及库的计算中，Java并没有慢得多，有时甚至更快。

答案 1

我是Java Matrix Benchmark（JMatBench）的作者，我将就此讨论发表我的想法。

Java库之间存在显着差异，虽然在整个操作范围内没有明显的赢家，但从最新的性能结果（2013年10月）中可以看出，有一些明显的领导者。

如果您正在使用“大型”矩阵并且可以使用本机库，那么明显的赢家（大约快3.5倍）是具有系统优化netlib的 MTJ。如果你需要一个纯Java解决方案，那么MTJ，OjAlgo，EJML和Parallel Colt是不错的选择。对于小矩阵，EJML是明显的赢家。

我没有提到的库显示出严重的性能问题或缺少关键功能。

答案 2

只是为了添加我的2美分。我已经比较了其中一些库。我试图用自身将3000乘以3000的双精度矩阵。结果如下。

使用带有C / C++，Octave，Python和R的多线程ATLAS，所花费的时间约为4秒。

将Jama与Java结合使用，花费的时间是50秒。

将Colt和Parallel Colt与Java一起使用，花费的时间是150秒！

将JBLAS与Java结合使用，由于JBLAS使用多线程ATLAS，因此花费的时间再次约为4秒。

所以对我来说，很明显Java库的表现不太好。但是，如果有人必须用Java编写代码，那么最好的选择是JBLAS。Jama，Colt和Parallel Colt的速度并不快。