使用矩阵函数和运算符在Matlab中使代码合理地更快？

Question

我正在编写机器学习代码，我很难找到使用矩阵操作进行某些操作的方法，而不是使用基本for循环的迭代方法。你认为使用迭代以外的矩阵会产生如此大的差异，还是可忽略的性能差异？

Answer 1

matlab中的历史循环非常慢。但是，在具有新JIT编译循环的Matlab版本中可以非常快。

在Matlab中，它建议尽可能避免循环，因为语言作为一个整体是为基于矢量的操作而设计的。当编写matlab代码时，它被认为是错误的样式，而不是使用基于矢量的数学。

好的matlab代码：

[a b] = deal( rand(10,1) );
c = a+b;

糟糕的matlab代码：

[a b] = deal( rand(10,1) );
c = zero(10,1);
for i = 1:10
  c(i) = a(i) + b(i);

这两个实现都是“正确的”，但99％的matlab程序员将使用第一个实现。此外，任何matlab程序员都会看到第一个实现，并确切地知道代码的含义。

关于性能，如果向量操作比循环更快，很难说出来，因为它实际上取决于实现细节。但是，根据我的经验，矢量函数很少比循环慢。我遇到过没有循环我无法解决的算法问题。当我发现基于矢量的解决方案时，它将计算时间从几分钟缩短到不到一秒钟：How can I optimize this indexing algorithm