你可以使用稀疏块矩阵A,将T_Arm的(5, 2)条目存储在其对角线上,并解决AX = b,其中b是由
Erg
堆叠条目组成的向量。然后使用scipy.sparse.linalg.lsqr(A, b)解决该系统。
为了构建A和b,我使用n=3进行可视化。
import numpy as np
import scipy
from scipy.sparse import bsr_matrix
n = 3
col = np.hstack(5 * [np.arange(10 * n / 5).reshape(n, 2)]).flatten()
array([ 0., 1., 0., 1., 0., 1., 0., 1., 0., 1., 2., 3., 2.,
3., 2., 3., 2., 3., 2., 3., 4., 5., 4., 5., 4., 5.,
4., 5., 4., 5.])
row = np.tile(np.arange(10 * n / 2), (2, 1)).T.flatten()
array([ 0., 0., 1., 1., 2., 2., 3., 3., 4., 4., 5.,
5., 6., 6., 7., 7., 8., 8., 9., 9., 10., 10.,
11., 11., 12., 12., 13., 13., 14., 14.])
A = bsr_matrix((T_Arm[:n].flatten(), (row, col)), shape=(5 * n, 2 * n))
A.toarray()
array([[ 0, 1, 0, 0, 0, 0],
[ 2, 3, 0, 0, 0, 0],
[ 4, 5, 0, 0, 0, 0],
[ 6, 7, 0, 0, 0, 0],
[ 8, 9, 0, 0, 0, 0],
[ 0, 0, 10, 11, 0, 0],
[ 0, 0, 12, 13, 0, 0],
[ 0, 0, 14, 15, 0, 0],
[ 0, 0, 16, 17, 0, 0],
[ 0, 0, 18, 19, 0, 0],
[ 0, 0, 0, 0, 20, 21],
[ 0, 0, 0, 0, 22, 23],
[ 0, 0, 0, 0, 24, 25],
[ 0, 0, 0, 0, 26, 27],
[ 0, 0, 0, 0, 28, 29]], dtype=int64)
b = Erg[:n].flatten()
然后
scipy.sparse.linalg.lsqr(A, b)[0]
array([ 5.00000000e-01, -1.39548109e-14, 5.00000000e-01,
8.71088538e-16, 5.00000000e-01, 2.35398726e-15])
编辑:A在内存中并不像看起来那么大:有关块稀疏矩阵的更多信息在此处。
Inputlen
是什么?它是n
吗? - TuanDTxrange(n)
而不是xrange(len(n))
,因为n
只是一个整数(在这种情况下为100)。 - TuanDTcounter
值的leastsqr
是独立的吗?没有将其转换为更大的leastsqr
问题的方法吗? - hpaulj