sparse matrix 存储
来源:互联网 发布:时间序列预测 java 编辑:程序博客网 时间:2024/06/03 09:26
由于sparse matrix的特殊性,在存储的时候,一般情况下吃用CSR(Compressed Sparse Row)这种format来实现。通过使用3个数组来描述一个Sparse Matrix.
double* mValues; // 保存Sparse Matrix 非0的值。
int* mColumnIds; //保存column ID
int* mRowIds; //保存各行第一个非零value在mColumnIds的位置。
使用类来描述这个Sparse Matrix,可以这样:
class CMatrix
{
protected:
double* mValues;
int* mColumnIds;
int* mRowIds;
int mNoRows; //有多少行。
};
通过每行来遍历这个sparse matrix:
for(int i = 0; i < mNoRows; i++)
{
for(int j = mColumnIds[i]; j < mColumnIds[i + 1]; ++j)
{
//mValues[i * mNoRows + j] = ..... //第i行第j列的值。
}
}
CSR是最常用的一种,这种方式可以很方便使用OpenMP,CUDA, OpenCL来进行并行计算。
- sparse matrix 存储
- Sparse Matrix
- 稀疏矩阵的存储格式(Sparse Matrix Storage Formats)
- 稀疏矩阵的存储格式(Sparse Matrix Storage Formats)
- 稀疏矩阵的存储格式(Sparse Matrix Storage Formats)
- 稀疏矩阵的存储格式(Sparse Matrix Storage Formats)
- 稀疏矩阵的存储格式(Sparse Matrix Storage Formats)
- 稀疏矩阵的存储格式(Sparse Matrix Formats)
- csr_matrix(Compressed Sparse Row matrix)存储模式浅析
- 稀疏矩阵的存储格式(Sparse Matrix Storage Formats)
- 稀疏矩阵(sparse matrix)
- [LeetCode311]Sparse Matrix Multiplication
- Leetcode: Sparse Matrix Multiplication
- Sparse Matrix Multiplication
- Sparse Matrix's Transpose
- Sparse Matrix Multiplication
- Leetcode Sparse Matrix Multiplication
- 稀疏矩阵(Sparse Matrix)
- 高手成长的六个阶段
- Android UI开发第十五篇——分享一个登录缓冲界面
- 数字9X9的表格
- MVC和三层架构联系与区别 .
- Jsp入门
- sparse matrix 存储
- MapReduce Hold不住?——浅谈流式计算系统
- Tiny6410 关于zImage 不能编译的问题
- 关于我的个人站点
- DBF文件格式说明
- Jsp初级讲解一
- quartx
- JSP基础入门
- DBF文件数据结构实例分析