Sparse Matrix Lab
Sparse matrices को classic formats में encode करें और compression trade-offs तुलना करें।
कई real-world matrices ज्यादातर zeros होती हैं। हर zero को स्टोर करना memory बर्बाद करता है और computation धीमा करता है।
Sparse formats केवल जरूरी entries और उनकी positions स्टोर करते हैं। इससे storage घटता है और linear algebra तेज होता है।
COO: explicit (row, col, value) triples।
CSR / CSC: row-wise या column-wise compact indexing for fast traversal।
RLE: rows में zeros की लंबी रन के लिए run-length encoding।
Dictionary / Bitmap: fast lookup या compact bit patterns के लिए lightweight encodings।
- Matrix generate या edit करें।
- Encoding format चुनें और Encode क्लिक करें।
- Reconstruct करके correctness जांचें और sizes तुलना करें।
Matrix Generator
Current: 10%
Encoding
Summary
Dimensions: -
Non-zero count: -
Raw size (dense): - bytes
Compressed size (est.): - bytes
Compression ratio: -
Reconstruction: -
Original Matrix (click to edit)
Cell पर क्लिक करके edit करें। खाली values zero बनती हैं।
Encoded Result
Matrix JSON
Notes
- COO सरल है लेकिन बड़े matrices के लिए cache-friendly नहीं है।
- CSR row slicing के लिए तेज है; CSC column slicing के लिए तेज है।
- RLE तब बेहतर है जब rows में zeros की लंबी run हो।
- Bitmap structural sparsity के लिए अच्छा है, लेकिन values फिर भी स्टोर करनी होती हैं।