SciPy SVD 与 Numpy SVD答案

【问题标题】：SciPy SVD vs. Numpy SVDSciPy SVD 与 Numpy SVD
【发布时间】：2015-12-10 17:07:47
【问题描述】：

SciPy 和 Numpy 都内置了用于奇异值分解 (SVD) 的函数。命令基本上是scipy.linalg.svd 和numpy.linalg.svd。这两者有什么区别？哪一个比另一个好？

【问题讨论】：

我不知道主要行为，但scipy 版本有两个附加选项：1) overwrite_a，它允许对输入进行就地修改并减少内存使用和可能会加快速度，并且 2) check_finite 允许您在调用时假设数组是有限的，从而节省一些小开销。

【解决方案1】：

从FAQ page，它说scipy.linalg 子模块为Fortran LAPACK 库提供了更完整的包装，而numpy.linalg 试图能够独立于LAPACK 构建。

我为svd 函数的不同实现做了一些benchmarks，发现scipy.linalg.svd 比numpy 对应的更快：

但是，jax 包裹 numpy，又名 jax.numpy.linalg.svd 更快：

可通过here 获取完整的基准测试笔记本。

【讨论】：

谢谢！我不知道 jax。
这些有点移动目标。在 Windows 和 Linux 上，使用 OpenBLAS 或 MKL，NumPy 和 SVD 的性能现在是相同的。 JAX 可能仍然更快，我没有测试它。
您知道任何真实的而非随机的基准吗？谢谢

【解决方案2】：

除了错误检查，实际工作似乎在lapack内完成 numpy 和 scipy。

没有做任何基准测试，我猜性能应该是相同的。

【讨论】：