我正在开发一个 python 项目，我需要使用大小约为 10000X10000X10000 的矩阵。
考虑到:
- 矩阵将是密集的，应该存储在 RAM 中。
- 我需要在该矩阵上执行线性代数(我认为使用 numpy)，大约 O(n^3)，其中 n=10000 次操作(可并行化)。
我的要求现实吗？在合适的时间内，我需要以这种方式工作的硬件要求是什么？
如果可以提高性能，我也愿意切换语言(例如，在 C 中执行线性代数运算)。
请您参考如下方法:
那么，第一个问题是，您将在矩阵中存储哪种类型的值？ 假设它将是整数(并且假设每个字节都使用 ISO 规范的大小，4 字节)，您将有 4*10^12 字节要存储。这是大量信息 (4 TB)，因此，首先，我不知道您从哪里获取所有这些信息，我建议您只加载其中的一部分，您可以轻松管理。
另一方面，因为你可以并行化它，我会推荐你使用 CUDA，如果你买得起 NVIDIA 卡，那么你会有更好的性能。
总而言之，很难只在 RAM 中获取所有这些信息，并且使用并行语言。
PD:您对算法时间复杂度的 O() 估计使用错误。你应该说你有一个 O(n)，即 n=size_of_the_matrix 或 O(nmt)，即矩阵的维度 n、m 和 t。
