Question

我有很多很好的MATLAB代码，运行得太慢，用C语言编写是很痛苦的。用于C的MATLAB编译器似乎没有多大帮助，如果有的话。它应该加快执行速度吗？我搞砸了吗？

Answer 1

如果您正在使用MATLAB complier（在最新版本的MATLAB上），那么您几乎肯定不会看到任何加速。这是因为所有编译器实际上都会为您提供一种打包代码的方法，以便将其分发给没有MATLAB的人。它不会将其转换为更快的任何东西（例如机器代码或C） - 它只是将它包装在C中，因此您可以调用它。

它通过让您的代码在MATLAB编译器运行时（MCR）上运行来实现这一点，该运行时基本上是MATLAB计算内核 - 您的代码仍在被解释。由于必须调用MCR而导致的惩罚，您可能会发现编译代码的运行速度比在MATLAB上运行它时要慢得多。

换句话说 - 你可能会说编译器实际上没有编译 - 至少在传统意义上是这样。

旧版本的编译器工作方式不同，在某些情况下可能会出现加速。对于Mathwork来说，请转到

http://www.mathworks.com/support/solutions/data/1-1ARNS.html

Answer 2

根据我的经验，慢速MATLAB代码通常来自不对代码进行矢量化（即，编写for循环而不仅仅是乘法数组（简单示例））。

如果您正在进行文件I / O，请注意一次读取一个数据。查看fscanf矢量化版本的帮助文件。

不要忘记MATLAB也包含一个分析器！

Answer 3

我会回应dwj所说的：如果你的MATLAB代码很慢，这可能是因为它没有足够的矢量化。如果你在对整个数组进行操作时进行显式循环，那就是罪魁祸首。

这同样适用于所有面向阵列的动态语言：Perl数据语言，数字Python，MATLAB / Octave等。在编译的C和FORTRAN编译代码中甚至是某种程度上的：特别设计的矢量化库通常都是谨慎使用的编码的内部循环和SIMD指令（例如MMX，SSE，AltiVec）。

Answer 4

首先，我首先回顾有关分析和矢量化的所有上述评论。

从历史的角度来看......

旧版本的Matlab允许用户通过预解析m代码并将其转换为一组matlab库调用，将m个文件转换为mex函数。这些调用具有解释器所做的所有错误检查，但旧版本的解释器和/或在线解析器速度很慢，因此编译m文件有时会有所帮助。通常它有助于你有循环，因为Matlab很聪明，可以在C中内联其中一些。如果你有其中一个版本的Matlab，你可以尝试告诉mex脚本保存.c文件，你可以看到它的确切内容这样做。

在更新的版本中（可能是2006a及更高版本，但我不记得了），Mathworks开始为解释器使用即时编译器。实际上，这个JIT编译器自动编译所有mex函数，因此显式脱机操作根本没有帮助。在那之后的每个版本中，他们也付出了很多努力来使解释器更快。我相信更新版本的Matlab甚至不允许你自动将m文件编译为mex文件，因为它不再有意义了。

Answer 5

MATLAB编译器包装你的m代码并将其发送到MATLAB运行时。因此，您在MATLAB中看到的性能应该是您在编译器中看到的性能。

根据其他答案，矢量化代码很有帮助。但是，MATLAB JIT现在相当不错，很多东西的表现大致和矢量化。这并不是说从矢量化中获得了性能上的好处，它不仅仅是曾经的神奇子弹。真正告诉的唯一方法是使用分析器来找出代码看到瓶颈的位置。通常情况下，有些地方可以进行本地重构，以真正提高代码的性能。

您可以采用其他几种硬件方法来提升性能。首先，大部分线性代数子系统都是多线程的。如果您正在使用多核或多处理器平台，则可能需要确保已在首选项中启用了该功能。其次，您可以使用并行计算工具箱来充分利用多个处理器。最后，如果您是Simulink用户，您可以使用emlmex将m代码编译为c。这对定点工作特别有效。

Answer 6

您是否尝试过分析代码？您不需要对所有代码进行矢量化，只需要控制运行时间的函数。 MATLAB探查器将为您提供有关代码花费最多时间的一些提示。

您还应该在MathWorks手册的Tips For Improving Performance部分阅读许多其他内容。

Answer 7

mcc根本不会加速你的代码 - 它不是真正的编译器。

在放弃之前，您需要运行探查器并找出所有时间的去向（工具 - >打开Profiler）。此外，明智地使用“tic”和“toc”可以提供帮助。在知道时间到来之前不要优化代码（不要试图猜测）。

请记住在matlab中：

位级操作非常慢
文件I / O很慢
循环通常很慢，但矢量化很快（如果你不知道矢量语法，那就学习它）
核心操作非常快（例如矩阵乘法，fft）
如果您认为可以在C / Fortran / etc中做得更快，可以编写MEX文件
有商业解决方案将matlab转换为C（google“matlab to c”）并且可以正常工作

Answer 8

您可以将代码移植到“Embedded Matlab”，然后使用Realtime-Workshop将其转换为C.

嵌入式Matlab是Matlab的一个子集。它不支持单元阵列，图形，动态大小的Marice或某些Matrix寻址模式。移植到嵌入式Matlab可能需要相当大的努力。

Realtime-Workshop是代码生成产品的核心。它吐出通用C，或者可以针对一系列嵌入式平台进行优化。对您而言最令人感兴趣的可能是xPC-Target，它将通用硬件视为嵌入式目标。

Answer 9

我会投票分析+然后看看有哪些瓶颈。

如果瓶颈是矩阵数学，你可能不会做得更好......除了一个大问题是阵列分配。例如如果你有一个循环：

s = [];
for i = 1:50000
  s(i) = 3;
end

这必须继续调整阵列的大小;预设阵列要快得多（以零或NaN开头）＆amp;从那里填写：

s = zeros(50000,1);
for i = 1:50000
  s(i) = 3;
end

如果瓶颈重复执行很多函数调用，那就很难了。

如果瓶颈是MATLAB不能快速完成的事情（某些类型的解析，XML，那些类似的东西），那么我会使用Java，因为MATLAB已经在JVM上运行，并且它很容易与任意JAR文件接口。我查看了与C / C ++的接口，它真的很难看。 Microsoft COM是可以的（仅限Windows），但在学习Java之后，我认为我不会再回过头来了。

Answer 10

正如其他人所指出的那样，缓慢的Matlab代码往往是矢量化不足的结果。

然而，有时甚至完美的矢量化代码也很慢。然后，您还有几个选项：

查看是否有可以使用的库/工具箱。这些通常被写成非常优化。
描述您的代码，找到紧凑的地方并重写那些简单的C.将C代码（例如DLL）连接到Matlab很简单，并在文档中介绍。

Answer 11

通过Matlab编译器你可能意味着命令mcc，它通过绕过Matlab解释器来加速代码。什么会显着加快MAtlab代码的速度（50-200倍）是使用mex命令编译的实际C代码。

为什么我在使用MATLAB编译器时没有看到显着的加速？

11 个答案: