90000＊90000大小的矩陣求逆，有沒有什么好的解決辦法？matlab算的實在太慢？可以通過硬件計算。virtex-7插件128位DDR4 8g。有許多方法可以使用Verilog或VHDL構建硬件

90000＊90000大小的矩陣求逆，有沒有什么好的解決辦法？matlab算的實在太慢？

可以通過硬件計算。

virtex-7插件128位DDR4 8g。

有許多方法可以使用Verilog或VHDL構建硬件反轉IP核心git。然后用Axi連接到SOC并用PCIe傳輸?shù)絇C。40000×40000應該是幾百微秒

對于零元素個數(shù)遠遠多于非零元素個數(shù)，且非零元素分布不規(guī)則的矩陣，稱為稀疏矩陣。人們無法給出稀疏矩陣的確切定義，一般只能憑個人直覺來理解這個概念，即矩陣中非零元素的個數(shù)遠遠小于矩陣元素的總數(shù)，且不存在非零元素的分布規(guī)律。

什么是稀疏矩陣，他是干什么用的？

稀疏矩陣是一個大型矩陣，其中大多數(shù)元素為0，只有少數(shù)元素不是。稀疏矩陣計算需要解決兩個主要問題：一是使用較少的存儲單元來存儲矩陣，一般只存儲特定區(qū)域或非零值；如何去除計算中的元素，以及如何簡化計算。有專門的計算機程序。稀疏矩陣，一般不會有一行，一列都是0，而0矩陣是不同的。0矩陣的運算非常簡單，不需要保存矩陣內容。

稀疏矩陣指什么？

1. Numpy導入并使用data1=mat（zeros（（））?創(chuàng)建3*3 zero矩陣，其中zeros函數(shù)的參數(shù)是元組類型（3,3）data2=mat（ones（（））?創(chuàng)建2*4 1矩陣。默認值是浮點數(shù)據(jù)。如果需要int type，可以使用dtype=intdata3=mat（隨機.rand（））#這里的隨機模塊使用numpy中的隨機模塊隨機.rand（2,2）創(chuàng)建一個二維數(shù)組，該數(shù)組需要轉換為#matrixdata4=mat（隨機.randint（10，size=（））#生成一個介于0和10之間的3*3隨機整數(shù)矩陣。如果需要指定下限，可以添加額外的參數(shù)data5=mat（隨機.randint（，size=（））；生成一個介于2和8之間的隨機整數(shù)矩陣，data6=mat（eye（，dtype=int））；生成一個2*2矩陣對角線矩陣A1=[]A2=mat（diag（A1））#生成一個帶有對角線1、2和3的對角線矩陣