Question

我已阅读this但我仍然不明白为什么矢量化代码更快。

在for循环中，我可以使用parfor进行并行计算。如果矢量化代码更快，是否意味着它会自动并行化？

Answer 1

没有。你混合了两个重要的概念：

MATLAB旨在快速执行矢量运算。 MATLAB是一种解释型语言，这就是循环如此慢的原因。 MATLAB通过提供极快的速度（通常用C编写，针对特定架构进行优化）和经过良好测试的函数来回避这个问题。这里真的没有什么魔力，它只是一堆艰苦的工作和多年不断的小改进。

例如考虑一个简单的案例，如下所示：

s=0;
for i=1:length(v),
    s = s+v(i);
end

和

sum(v)

你应该使用tic和toc来计时这两个函数来说服自己在运行时的差异。大约有10个类似的常用函数对向量进行操作，例如：bsxfun，repmat，length，find。矢量化是有效使用MATLAB的标准部分。除非你能有效地矢量化代码，否则你只是MATLAB世界的游客而不是公民。

最新版本的MATLAB提供了parfor。 parfor不是一个银弹，它是一个可以使用和误用的工具（在上面的例子中尝试parfor）。并非所有的人都可以参加。 parfor设计用于任务并行类型的问题，其中循环的每次迭代独立于彼此的迭代。这是使用parfor-loop的关键要求。

虽然在许多情况下parfor可以帮助很多，但很少会出现非常大的增益循环类型。

Answer 2

我同意carlosdc的回答。但是，重要的是要记住，自6.5版开始以来，Matlab已经包含了一个JIT编译器，用于加速for循环等。

我使用v中的一百万个元素对您的总和示例进行了快速测试，得到了以下结果：

sum(v)：4.3 ms
for-loop version：16 ms
for-loop version, no JIT：966 ms

可以像这样打开和关闭JIT：

feature accel off
feature accel on

通过矢量化代码改进的因子4当然仍然值得，但for循环不应该被担心，因为它们曾经是针对问题，否则它们是一个很好的解决方案。通常，一段很好的矢量化代码通常可以更简单，更不容易出错并且同时更快。

Answer 3

在现代计算机中，寄存器（用于数学的临时存储器以及其他用途）具有许多位并且可以一起操作多个数字。例如，如果您的数据是uint8（8位），您可以在一个CPU时钟中为每个数据添加一个数字，或者您可以将其中的8个放在寄存器中，并将一个数字放在一个CPU时钟中的所有数据中。这样你的工作速度比for-loop快8倍。

这在某种意义上是并行化，但不像parfor。 Parfor使用CPU的多个内核，在上面的方法中，可以更有效地使用一个内核。如果你同时使用它们，你可以达到更高的速度。

为什么矢量化代码比MATLAB中的循环运行得更快？

3 个答案: