'for'loop vs在MATLAB中的矢量化

我正在用MATLAB编程，并且按照建议，我总是尝试使用矢量化。但最终该计划相当缓慢。所以我发现在一个地方使用循环时代码显着更快（下面的例子）。'for'loop vs在MATLAB中的矢量化

我想知道我是否误解了某些内容或做错了什么，因为在这种情况下性能很重要，而且我不想猜测矢量化或循环是否会更快。

% data initialization 

k = 8; 
n = 2^k+1; 
h = 1/(n-1); 
cw = 0.1; 

iter = 10000; 

uloc = zeros(n); 
fploc = uloc; 
uloc(2:end-1,2:end-1) = 1; 
vloc = uloc; 
ploc = ones(n); 

uloc2 = zeros(n); 
fploc2 = uloc2; 
uloc2(2:end-1,2:end-1) = 1; 
vloc2 = uloc2; 
ploc2 = ones(n); 

%%%%%%%%%%%%%%%%%%%%%% 
% vectorized version % 
%%%%%%%%%%%%%%%%%%%%%% 
tic 
for it=1:iter 
    il=2:4; 
    jl=2:4; 
    fploc(il,jl) = h/6*(-uloc(il-1,jl-1) + uloc(il-1,jl)... 
     -2*uloc(il,jl-1)+2*uloc(il,jl+1)... 
     -uloc(il+1,jl) + uloc(il+1,jl+1)... 
     ... 
     -vloc(il-1,jl-1) - 2*vloc(il-1,jl)... 
     +vloc(il,jl-1) - vloc(il,jl+1)... 
     + 2*vloc(il+1,jl) + vloc(il+1,jl+1))... 
     ... 
     +cw*h^2*(-ploc(il-1,jl)-ploc(il,jl-1)+4*ploc(il,jl)... 
     -ploc(il+1,jl)-ploc(il,jl+1)); 
end 
toc 


%%%%%%%%%%%%%%%%%%%%%% 
% loop version % 
%%%%%%%%%%%%%%%%%%%%%% 
tic 
for it=1:iter 
    for il=2:4 
     for jl=2:4 
      fploc2(il,jl) = h/6*(-uloc2(il-1,jl-1) + uloc2(il-1,jl)... 
       -2*uloc2(il,jl-1)+2*uloc2(il,jl+1)... 
       -uloc2(il+1,jl) + uloc2(il+1,jl+1)... 
       ... 
       -vloc2(il-1,jl-1) - 2*vloc2(il-1,jl)... 
       +vloc2(il,jl-1) - vloc2(il,jl+1)... 
       + 2*vloc2(il+1,jl) + vloc2(il+1,jl+1))... 
       ... 
       +cw*h^2*(-ploc2(il-1,jl)-ploc2(il,jl-1)+4*ploc2(il,jl)... 
       -ploc2(il+1,jl)-ploc2(il,jl+1)); 
     end 
    end 
end 
toc

来源

2011-09-27 lord

我没经过你的代码，但在最新版本的Matlab的JIT编译器已经提高到哪里你面对的情况是相当普遍的点 - 圈可以比量化代码更快。事先很难知道哪个更快，所以最好的方法是以最自然的方式编写代码，分析代码，然后如果存在瓶颈，请尝试从循环切换到矢量化（或其他方式）。

来源

2011-09-27 12:54:10 MatlabSorter

也许一些元素的矩阵对矢量化效率来说不是一个好的测试。最后，它取决于应用程序什么运作良好。

而且，通常量化代码看起来更好（更真实的底层模型），但很多情况下并非如此，它最终伤害的实现。你现在做的很棒，你知道什么对你最有效。

来源

2011-09-27 12:55:53 ja72

MATLAB的即时编译器（JIT）已显著在过去几年改善。即使你是正确的，通常应该对代码进行矢量化处理，但从我的经验来看，这仅适用于某些操作和功能，也取决于你的函数处理多少数据。

为你找出最有效，最好的办法，就是profile your MATLAB code有和没有量化。

来源

2011-09-27 12:58:17 memyself

当你说“这取决于你有多少数据”时，你介意对你的意思做一些更具体的描述吗？你的意思是说循环通常在更大的数据集上表现更差吗？ –

我不会称之为矢量化。

您似乎在做某种过滤操作。这种滤波器的真正矢量化版本是原始数据，乘以滤波器矩阵（即代表整个for-loop的一个矩阵）。

问题与这些矩阵的是，他们是如此的稀少（大约只有对角线几个非零元素），它是几乎没有有效地使用它们。您可以使用sparse命令，但即使如此，符号的优雅可能也不足以证明所需的额外内存。

Matlab的用于在for循环是不好的，因为即使是循环计数器等作为复杂基质仍然处理，因此，所有这样的矩阵中的检查在每一个迭代中进行了评价。我的猜测是，在for循环中，每次应用滤波器系数时都会执行所有这些检查。

也许MATLAB函数filter和filter2有用吗？您也可以阅读这篇文章：Improving MATLAB Matrix Construction Code : Or, code Vectorization for begginers

来源

2013-10-28 09:25:48

一个可能的解释是启动开销。如果在场景后面创建临时矩阵，请为内存分配做好准备。另外，我猜想MATLAB不能推断出你的矩阵很小，所以会有循环开销。所以，你的矢量版本可以在代码落得像

double* tmp=(double*)malloc(n*sizeof(double)); 
for(size_t k=0;k<N;++k) 
    { 
// Do stuff with elements 
    } 
free(tmp);

与此相比，已知数量的操作：

double temp[2]; 
temp[0]=...; 
temp[1]=...;

所以JIT可能更快当的malloc-循环计数器自由时间长与每次计算的工作量相比。

来源

2014-10-22 10:42:19 user877329

'for'loop vs在MATLAB中的矢量化

回答

相关问题