Explicit SVD vs SVD with eigen solver

Intel® oneAPI Math Kernel Library

Ask questions and share information with other developers who use Intel® Math Kernel Library.

Explicit SVD vs SVD with eigen solver

521 Visites

Hi,

could you clarify two following questions.

Consider following mathematical problem. Given general full rank square non symmetric matrix A of 13 000 x 13 000 size I want to find its SVD with all singular values and all right/left eigen vectors. But when I solve it with some driver SVD routine (e.g. LAPACKE_sgesdd) it takes about 2 x slower then I solve two eigen decomposition problems at a time: for A*A' (getting left eigen vectors of A) and A'*A (getting right eigen vectors of A) matrices.
Is it normal behavior or I miss something and there is more proper/fast way to find SVD for given matrix type explicitly (via SVD driver routine)?
Considering the same problem, is there any way in MKL to find small subset (let it be 1 left and right eigen vectors for example) of all SVD right/left eigen vectors with the biggest singular values, saving "considerable" amount of time (at least 30%) ?

Thank you in advance.

Lien copié

0 Réponses

L'assistance à la communauté est fournie du lundi au vendredi. D'autres moyens d'entrer en contact sont disponibles ici.

Intel ne vérifie pas l'intégralité des solutions, y compris, entre autres, les transferts de fichiers qui peuvent avoir lieu au sein de cette communauté. Intel décline donc toutes garanties explicites et implicites, y compris, sans s'y limiter, les garanties implicites de qualité marchande, d'adéquation à un usage particulier et de respect des droits de propriété intellectuelle, ainsi que toute garantie découlant des performances, des transactions ou de l'utilisation.

Pour obtenir des informations plus complètes sur l'optimisation des compilateurs, voir notre Avis d'optimisation.