numpy 稀疏矩阵 90000＊90000大小的矩阵求逆，有没有什么好的解决办法？matlab算的实在太慢？

90000＊90000大小的矩阵求逆，有没有什么好的解决办法？matlab算的实在太慢？可以通过硬件计算。virtex-7插件128位DDR4 8g。有许多方法可以使用Verilog或VHDL构建硬件

90000＊90000大小的矩阵求逆，有没有什么好的解决办法？matlab算的实在太慢？

可以通过硬件计算。

virtex-7插件128位DDR4 8g。

有许多方法可以使用Verilog或VHDL构建硬件反转IP核心git。然后用Axi连接到SOC并用PCIe传输到PC。40000×40000应该是几百微秒

对于零元素个数远远多于非零元素个数，且非零元素分布不规则的矩阵，称为稀疏矩阵。人们无法给出稀疏矩阵的确切定义，一般只能凭个人直觉来理解这个概念，即矩阵中非零元素的个数远远小于矩阵元素的总数，且不存在非零元素的分布规律。

什么是稀疏矩阵，他是干什么用的？

稀疏矩阵是一个大型矩阵，其中大多数元素为0，只有少数元素不是。稀疏矩阵计算需要解决两个主要问题：一是使用较少的存储单元来存储矩阵，一般只存储特定区域或非零值；如何去除计算中的元素，以及如何简化计算。有专门的计算机程序。稀疏矩阵，一般不会有一行，一列都是0，而0矩阵是不同的。0矩阵的运算非常简单，不需要保存矩阵内容。

稀疏矩阵指什么？

1. Numpy导入并使用data1=mat（zeros（（））ා创建3*3 zero矩阵，其中zeros函数的参数是元组类型（3,3）data2=mat（ones（（））ා创建2*4 1矩阵。默认值是浮点数据。如果需要int type，可以使用dtype=intdata3=mat（随机.rand（））#这里的随机模块使用numpy中的随机模块随机.rand（2,2）创建一个二维数组，该数组需要转换为#matrixdata4=mat（随机.randint（10，size=（））#生成一个介于0和10之间的3*3随机整数矩阵。如果需要指定下限，可以添加额外的参数data5=mat（随机.randint（，size=（））；生成一个介于2和8之间的随机整数矩阵，data6=mat（eye（，dtype=int））；生成一个2*2矩阵对角线矩阵A1=[]A2=mat（diag（A1））#生成一个带有对角线1、2和3的对角线矩阵