Java矩阵数学库的性能？

Question

我们正在计算运行时受矩阵运算约束的东西。（如果感兴趣，请参阅下面的一些细节。）这次经历提出了以下问题民间有没有使用Java库的矩阵数学性能经验（例如，乘法，逆等）？例如：JAMA小马Apache公共数学我搜查了一下，一无所获。我们的速度比较详情：我们使用的是英特尔FORTRAN（ifort（IFORT）10.1 20070913）。我们使用Apache commons math 1.2矩阵运算在Java（1.6）中重新实现了它，并且它同意所有的精度数字。（我们有理由在Java中想要它。）（Java双打，Fortran真* 8）。Fortran：6分钟，Java 33分钟，同样的机器。jvisualm profiling显示了在RealMatrixImpl中花费了大量时间。{getEntry，isValidCoordinate}（在未发布的Apache commons math 2.0中似乎已经消失了，但2.0并不快）。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在等效的矩阵运算中。在其他几个不涉及库的计算中，Java并没有慢得多，有时甚至更快。

Answer 1

只是加我2美分。我比较了其中一些库。我试图矩阵乘以3000乘3000矩阵的双精度。结果如下。

使用带有C / C ++，Octave，Python和R的多线程ATLAS，所花费的时间大约为4秒。

使用Jama with Java，所用时间为50秒。

使用Colt和Parallel Colt与Java一起使用时间为150秒！

使用JBLAS和Java，由于JBLAS使用多线程ATLAS，所以花费的时间大约为4秒。

所以对我来说很明显，Java库的表现并不好。但是，如果有人必须使用Java编写代码，那么最好的选择是JBLAS。贾马，科尔特和平行柯尔特并不快。

Answer 2

我是Java Matrix Benchmark（JMatBench）的作者，我将对这个讨论给出我的看法。

Java库之间存在显着差异，虽然在整个运营范围内没有明显的赢家，但在最新的绩效结果（2013年10月）中可以看到一些明显的领导者。

如果您正在使用“大型”矩阵并且可以使用本机库，那么明确的赢家（大约快3.5倍）是具有系统优化的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。

我没有提到的库显示出重大的性能问题或缺少关键功能。