万网 网站建设,国内网站没备案,建设单位招聘信息,服务器地址怎么查询我正在计算一个线性系统Ax b的解决方案#xff0c;其中A具有一个大的(通常200,000行和相关的密集矩阵的列)稀疏矩阵和ba稀疏矩阵#xff0c;大约100列。当我在Windows系统上运行代码(Python2.7#xff0c;scipy0.14.0)时#xff0c;以下命令fromscipy.sparse.linalgimport…我正在计算一个线性系统Ax b的解决方案其中A具有一个大的(通常200,000行和相关的密集矩阵的列)稀疏矩阵和ba稀疏矩阵大约100列。当我在Windows系统上运行代码(Python2.7scipy0.14.0)时以下命令fromscipy.sparse.linalgimportspsolve...Tempspsolve(A.tocsc(),b.tocsc())运行平稳需要大约7 GB的内存。在Linux系统上以完全相同的矩阵(完全相同的CPU相同的RAM内存64 GBLinux Mint17.3python2.7scipy0.13.3)运行完全相同的代码需要超过20 GB的内存并且崩溃以下错误消息 failed with UMFPACK_ERROR_out_of_memory(参见1)因为此错误是依赖于操作系统的我排除了关于矩阵的任何问题一个和b(与所提到的一些解决方案在这个岗位)以及我试图找到一个解决具体到Linux ...但我不知道从哪里开始...有人会对发生的事情有任何想法吗以及为什么这样的问题特定于Linux系统请在下面找到完整的错误消息Exception in Tkinter callbackTraceback (most recent call last):File /usr/lib/python2.7/lib-tk/Tkinter.py, line 1489, in __call__return self.func(*args)File ..., line 1533, in mmvConstruction...File ..., line 1555, in modes_cbTemp spsolve(k[inter][:,inter].tocsc(),k[inter][:,exter].tocsc())File /usr/lib/python2.7/dist-packages/scipy/sparse/linalg/dsolve/linsolve.py, line 151, in spsolveAfactsolve factorized(A)File /usr/lib/python2.7/dist-packages/scipy/sparse/linalg/dsolve/linsolve.py, line 352, in factorizedumf.numeric(A)File /usr/lib/python2.7/dist-packages/scipy/sparse/linalg/dsolve/umfpack/umfpack.py, line 450, in numericumfStatus[status]))RuntimeError: failed with UMFPACK_ERROR_out_of_memory更新仍在尝试寻找解决方案...看来Linux Mint上BLAS的最新版本相当老1.8.2。在Windows上我使用BLAS 1.9.1。使用test_numpy.py此处提供的文件时https://gist.github.com/osdf/3842524#file-test_numpy-py我注意到Linux和Windows之间存在非常显着的差异Linux版本1.8.2maxint 9223372036854775807点0.76 s -视窗版本1.9.1MAXINT 2147483647点0037秒。我正在研究Linux上的OPENBLAS是否可以解决此问题...更新2我意识到问题可能与硬件有关。确实一台旧的PC在相同的Linux Mint发行版(Rosa 17.3)上具有完全相同的库可以提供令人满意的结果。第一次更新中提到的基准在此旧PC上提供了Linux版本1.8.2maxint 9223372036854775807点0,054 s。解决方案好了经过深入的研究我现在确信我遇到的问题与以下事实有关Linux Mint(Rosa 17.3)可能未针对最新处理器进行优化。我在帖子更新中提到的比较结果强调该软件安装正确。然后我在PC上安装了Fedora 23并按顺序安装libblas蟒蛇python-scipy然后我使用完全相同的矩阵运行了完全相同的代码并且没有任何问题RAM消耗限制为大约7 GB这与Windows系统上观察到的情况类似。
