Question

在GNU Octave版本3.4.3中，我无法应用自定义函数来处理矩阵中的每个项目/元素。

我有一个（2,3）矩阵，看起来像：

mymatrix = [1,2,3;4,5,6];

mymatrix

   1   2   3
   4   5   6

我想使用矩阵的每个元素作为输入，并针对它运行自定义函数，并让函数的输出逐项替换mymatrix的内容。

Answer 1

arrayfun适用于此：

arrayfun(@(x) 1/(1+e^(-x)), [0, 1; 2, 3])

输出：

ans =

   0.50000   0.73106
   0.88080   0.95257

这基本上在矩阵/向量的每个元素上运行函数1/(1+e^(-x))。

Answer 2

或者，您可以使用以下元素方式运算符（请注意点前缀）：

+
.-
./
即^

例如

mymatrix = 1 ./ (1 .+ e.^(-mymatrix));

Answer 3

将此代码放在名为＆＃34; myfun.m＆＃34;

的文件名中

function [ out ] = myfun(num)
  out = num + 5;
end

将此代码放在名为＆＃34; main.m＆＃34;

的文件名中

arrayfun(@myfun, [1, 0, -1; 3, 4, 5] )

输出：

ans =
   6   5   4
   8   9   10

注意程序（添加5）如何应用于矩阵中的每个项目。

PROTIP：为什么这个代码在一个足够大的矩阵上不会使你的四核CPU最大化。

下面是从Vectorization向下到低级别C的角度分析arrayfun的功能。直接在裸机上进行多核和多线程优化：

这个arrayfun代码被＆＃34;矢量化＆＃34;，并且GNU Octave将这些代码打包到预先优化的C代码，而不是让GNU Octave管理它自己的冰川迭代。以上述向量化方式执行的操作比将其置于for循环中快2到5个数量级。像这样的矢量化代码对于典型的任务来说通常是足够好的，但如果从Alienware的QUAD-CHIP 32核超线程CPU中提取每一马力的动力是关键任务，那就继续阅读。

不要错误地说这段代码是＆＃34;多线程＆＃34;或者＆＃34;多核＆＃34;因为它没有。 C代码仍然以迭代的先进先出队列方式处理此代码。第4个加法必须等到第3个，第3个必须等待第2个。在此迭代发生时，您的CPU正在摆弄它的拇指。如果您希望桌面下的16核CPU在执行此操作时将CPU使用率最大化为100％，那么就无法逃脱：您必须在多线程和多核导向中停止并重新定义此问题办法。多线程和多核超出了这个答案的范围，最简单的方法是定义八度代码以生成8个单独的并行job1.m到job8.m文件，这些文件同时运行，所有这些都处理了手头任务的1/8，最后等待所有人完成然后重新加入答案。这里的GNU Octave Vectorization不等于金属上的多线程。

Answer 4

更简单的方法，正如纳赛尔所指出的，以下八度代码：

f=@(x) x+5;
A = [1, 0, -1; 3, 4, 5];
result = f(A)
result

将（x + 5）应用于传入的每个元素，它打印：

result =
    6    5    4
    8    9   10

GNU Octave方法对矩阵中的每个项目进行操作。八度“arrayfun（...）”的例子

4 个答案:

将此代码放在名为＆＃34; myfun.m＆＃34;

PROTIP：为什么这个代码在一个足够大的矩阵上不会使你的四核CPU最大化。