Java矩阵数学库的性能？
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，请参阅下面的一些细节。）这种体验引发了以下问题
民间人士是否具有矩阵数学Java库的性能的经验（例如，乘，反等）？ 例如：
我搜索，没有发现任何东西
我们的速度比较详情：
我们正在使用英特尔FORTRAN（ifort（IFORT）10.1 20070913）。 我们已经使用Apache commons math 1.2 matrix ops在Java（1.6）中重新实现了它，并且它同意它的所有数字的准确性。 （我们有理由在Java中使用它。）（Java双打，Fortran real * 8）。 Fortran：6分钟，Java 33分钟，同一台机器。 jvisualm分析显示在RealMatrixImpl中花了很多时间{getEntry，isValidCoordinate}（它似乎在未发布的Apache commons math 2.0中消失了，但2.0不会更快）。 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，但我们相信大部分时间都是等效的矩阵运算。
在其他一些不涉及库的计算中，Java的速度并不是很慢，有时甚至更快。
只需添加我的2美分。 我比较了一些这些库。 我试图将3000×3000的双打矩阵与自身矩阵相乘。 结果如下。
使用带C / C ++，Octave，Python和R的多线程ATLAS，所需时间约为4秒。
在Java中使用Jama，所花费的时间是50秒。
在Java中使用Colt和Parallel Colt时间为150秒！
随着JBLAS和Java的使用，JBLAS使用多线程ATLAS的时间又缩短了大约4秒。
所以对我来说很明显，Java库的表现并不好。 但是，如果有人需要用Java编写代码，那么最好的选择是JBLAS。 贾马，柯尔特和平行柯尔特并不快。
我是Java矩阵基准测试（Java Matrix Benchmark，JMatBench）的作者，我会就这个讨论给出我的想法。
Java库存在显着差异，虽然在整个操作范围内并没有明显的优势，但从最新的性能结果（2013年10月）中可以看到一些明确的领导者。
如果您正在使用“大型”矩阵并且可以使用本地库，那么明确的获胜者（大约3.5倍）是带有系统优化netlib的MTJ。 如果您需要纯Java解决方案，那么MTJ，OjAlgo，EJML和Parallel Colt都是不错的选择。 对于小型矩阵，EJML是明显的赢家。
我没有提到的图书馆显示了重大的性能问题或缺少关键功能。
我是jblas的主要作者，并且想指出我已经在2009年12月下旬发布了1.0版本。我在包装上做了很多工作，这意味着您现在可以使用ATLAS和JNI库下载一个“胖罐子”适用于Windows，Linux，Mac OS X，32和64位（Windows除外）。 这样，只需将jar文件添加到类路径中即可获得本机性能。 查看http://jblas.org！
链接地址: http://www.djcxy.com/p/85977.html