Sparse Matrix Lab

Seyrek Matris Lab

Klasik formatlarla seyrek matrisleri kodla ve sıkıştırma ödünlerini karşılaştır.

Gerçek dünyadaki birçok matris çoğunlukla sıfırdır. Her sıfırı saklamak bellek israfı ve hesaplamayı yavaşlatır.

Seyrek formatlar sadece önemli girdileri ve konumlarını saklar. Bu, depolamayı azaltır ve doğrusal cebiri hızlandırır.

COO: açık (satır, sütun, değer) üçlüleri.

CSR / CSC: hızlı gezinti için satır/sütun bazlı sıkıştırılmış indeksleme.

RLE: uzun sıfır koşuları için satır bazlı run-length kodlama.

Dictionary / Bitmap: hızlı arama veya kompakt bit desenleri için hafif kodlamalar.

  1. Bir matris üret veya düzenle.
  2. Bir kodlama formatı seç ve Encode’a tıkla.
  3. Doğruluğu doğrulamak ve boyutları karşılaştırmak için Reconstruct yap.

Matris Üretici

Mevcut: 10%

Kodlama

Özet

Boyutlar: -
Sıfır olmayan sayısı: -
Ham boyut (dense): - bytes
Sıkıştırılmış boyut (tah.): - bytes
Sıkıştırma oranı: -
Yeniden oluşturma: -

Orijinal Matris (düzenlemek için tıkla)

Hücreye tıkla. Boş değerler sıfır olur.

Kodlanmış Sonuç


                

Matris JSON


                

Notlar

  • COO basittir ama büyük matrislerde önbellek dostu değildir.
  • CSR satır kesmede hızlıdır; CSC sütun kesmede hızlıdır.
  • RLE, satırlarda uzun sıfır koşuları olduğunda en iyisidir.
  • Bitmap yapısal seyreklik için iyi çalışır ama değerler hâlâ saklanmalıdır.