我一直在使用Octave和MATLAB进行一些项目，我遇到了一些问题。这个问题Why/when should I prefer MATLAB over Octave?）回答了几个，但仍然有一个挥之不去......
我已经阅读了一些帖子/其他来源，比较了Octave和MATLAB的性能，我在标准脚本上运行了一些自己的测试，证实了Octave通常比标准操作的MATLAB慢得多的普遍共识（当然，迭代，以便比较有意义）。
此共识似乎也表明MATLAB的大部分性能提升都归功于其JIT编译器，它在运行时编译大型循环。这是有道理的，在这些情况下似乎会出现最大的性能差异（例如Mathworks Matlab vs Gnu Octave）
我的问题如下：为什么矢量化代码在Octave中运行得更慢？在这种情况下，似乎应该在循环之前留出内存，并且一些本机C / C ++循环应该执行操作，这将等同于Octave和MATLAB之间的矢量化代码的性能。另外，这是否有更广泛的含义，即Octave可能对复杂操作执行得更差，即使编写代码使得JIT编译器不需要/未使用？
答案 0 :(得分：34)
Matlab代码有四种加速方式：
JIT：根据我的轶事观察，在运行时编译有助于循环，但似乎也加快了（或至少与代码的其他部分交互）。
在C / C ++中实现函数：在Matlab / Octave中实现了一堆Matlab / Octave函数。在每个版本中，都有更多的内容被制作成内置插件。
多线程：有a list of functions个多线程实现，可以加快函数调用。
通常更有效的实施。例如，在几个版本之前，中值滤波器对整数输入进行了大幅度的提升。
所有这些方法都需要致力于使代码更快的开发人员。据我所知，Octave开发人员的一个主要问题是确保（Matlab）功能完全存在，而性能提升似乎是过去几年Matlab开发的重点。
答案 1 :(得分：16)
Matlab内部使用英特尔数学核心函数库（英特尔MKL）进行矢量和矩阵运算。这使得Matlab比Octave具有明显的优势。
尝试命令＆＃39; version -lapack＆＃39;和＆＃39;版本-blas＆＃39;在你的Matlab中检查你的Matlab正在使用的MKL版本。
通过Matlab讨论MKL用法的快速链接是http://stanford.edu/~echu508/matlab.html。
英特尔MKL是专有的。 software.intel.com/en-us/intel-mkl。但是，对于非商业用途，Linux版本是免费的。如果Octave可以某种方式使用我们机器上安装的MKL，它应该会大大加快Octave的速度。