我運行一個小實驗來對tf.sparse_tensor_dense_matmul操作進行基準測試。不幸的是，我對結果感到驚訝。TensorFlow tf.sparse_tensor_dense_matmul
我正在運行的稀疏矩陣，密向量乘法和變化
- 稀疏矩陣（減小）
- 緻密矢量的行數（減小） 的列數
- 稀疏矩陣的稀疏性（增加）
在增加每次運行的稀疏度時，我減少了列。這意味着非零值（nnz）的數量總是相同（每行100個）。
當測量計算matml操作所需的時間時，我預料它會保持不變（因爲輸出大小和nnz不同）。
我看到的反而是以下幾點： 
我看着C++代碼，看看我能發現的結果的任何原因。儘管如此，考慮到C++代碼，我也希望每次運行的時間都相同。如果我理解了正確的代碼，它將遍歷稀疏矩陣的所有nnz值（https://github.com/tensorflow/tensorflow/blob/master/tensorflow/core/kernels/sparse_tensor_dense_matmul_op.cc#L239）。對於每個nnz值，它循環遍歷第二個密集矩陣的所有列（在我的情況下，它只有一列，因爲它是一個向量）（https://github.com/tensorflow/tensorflow/blob/master/tensorflow/core/kernels/sparse_tensor_dense_matmul_op.cc#L245）。
我可以想象第二個矩陣/向量的行數會影響性能的唯一一點是https://github.com/tensorflow/tensorflow/blob/master/tensorflow/core/kernels/sparse_tensor_dense_matmul_op.cc#L246，如果它循環遍歷第二個矩陣/向量的所有行，那麼通過了解「maybe_adjoint_b」函數來到達目前需要的行。
[什麼讓我擔心「maybe_adjoint_b」的調用，它被稱爲變量「k」作爲行索引傳遞。雖然，我認爲「M」將是行索引和「K」稀疏矩陣的列索引]
問題：爲什麼我收到了MATMUL操作不同的執行時間，即使NNZ和輸出尺寸總是一樣的？