SciPy SVD 对比Numpy 奇异值分解
SciPy SVD vs. Numpy SVD
SciPy 和 Numpy 都内置了奇异值分解 (SVD) 函数。命令基本上是 scipy.linalg.svd 和 numpy.linalg.svd。这两者有什么区别？它们中的任何一个都比另一个更好吗？
除了错误检查，实际工作似乎在 lapack 内完成
numpy 和 scipy.
在没有做任何基准测试的情况下，我想性能应该是相同的。
来自 FAQ page，它说 scipy.linalg 子模块为 Fortran LAPACK 库提供了一个更完整的包装器，而 numpy.linalg 试图能够独立于 LAPACK 进行构建。
我为 svd 函数的不同实现做了一些 benchmarks，发现 scipy.linalg.svd 比 numpy 对应的函数更快：
然而，jax 封装的 numpy，又名 jax.numpy.linalg.svd 更快：
基准测试的完整笔记本可用here。
SciPy 和 Numpy 都内置了奇异值分解 (SVD) 函数。命令基本上是 scipy.linalg.svd 和 numpy.linalg.svd。这两者有什么区别？它们中的任何一个都比另一个更好吗？
除了错误检查，实际工作似乎在 lapack 内完成
numpy 和 scipy.
在没有做任何基准测试的情况下，我想性能应该是相同的。
来自 FAQ page，它说 scipy.linalg 子模块为 Fortran LAPACK 库提供了一个更完整的包装器，而 numpy.linalg 试图能够独立于 LAPACK 进行构建。
我为 svd 函数的不同实现做了一些 benchmarks，发现 scipy.linalg.svd 比 numpy 对应的函数更快：
然而，jax 封装的 numpy，又名 jax.numpy.linalg.svd 更快：
基准测试的完整笔记本可用here。