Question

我正在努力提高我试图运行的脚本的速度。

这是代码:(我的机器= 4核心胜利7）

clear y;
n=100;
x=linspace(0,1,n);
% no y pre-allocation using zeros
start_time=tic;

for k=1:n,
    y(k) =  (1-(3/5)*x(k)+(3/20)*x(k)^2 -(x(k)^3/60)) / (1+(2/5)*x(k)-(1/20)*x(k)^2);
end

elapsed_time1 = toc(start_time);
fprintf('Computational time for serialized solution: %f\n',elapsed_time1);

上面的代码给出了0.013654的经过时间。

另一方面，我试图通过在上面的代码中添加y = zeros(1,n);来使用预分配，其中注释是，但运行时间类似于~0.01左右。有什么想法吗？有人告诉我它会提高2倍。我错过了什么吗？

最后在Matlab中是否有任何类型的矢量化可以让我忘记上面代码中的for循环？

谢谢，

Answer 1

在您的代码中：尝试使用n=10000，您会看到更多差异（我的机器上差不多10倍）。

当变量的大小很大时，与分配相关的这些事情最为明显。在这种情况下，Matlab更难为该变量动态分配内存。

减少操作次数：进行矢量化，并重用中间结果以避免权限：

y = (1 + x.*(-3/5 + x.*(3/20 - x/60))) ./ (1 + x.*(2/5 - x/20));

<强>基准：

使用n=100：

Parag / venergiac的解决方案：

>> tic
for count = 1:100
y=(1-(3/5)*x+(3/20)*x.^2 -(x.^3/60))./(1+(2/5)*x-(1/20)*x.^2);
end
toc
Elapsed time is 0.010769 seconds.

我的解决方案：

>> tic
for count = 1:100
y = (1 + x.*(-3/5 + x.*(3/20 - x/60))) ./ (1 + x.*(2/5 - x/20));
end
toc
Elapsed time is 0.006186 seconds.

Answer 2

您不需要for循环。用以下代替for循环，MATLAB将处理它。

y=(1-(3/5)*x+(3/20)*x.^2 -(x.^3/60))./(1+(2/5)*x-(1/20)*x.^2);

当向量变得更大时，这可以提供计算优势。较小的尺寸是您无法看到预分配效果的原因。请阅读this页面，了解有关如何改善效果的其他提示。

编辑：我观察到，在较大的尺寸n>=10^6时，当我尝试以下操作时，我的性能会不断提高：

x=0:1/n:1;

而不是使用linspace。在n=10^7，我使用linspace获得0.05秒（0.03 vs 0.08）。

Answer 3

尝试每个元素的操作元素（.*，.^）

clear y;
n=50000;
x=linspace(0,1,n);
% no y pre-allocation using zeros
start_time=tic;

for k=1:n,
    y(k) =  (1-(3/5)*x(k)+(3/20)*x(k)^2 -(x(k)^3/60)) / (1+(2/5)*x(k)-(1/20)*x(k)^2);
end

elapsed_time1 = toc(start_time);
fprintf('Computational time for serialized solution: %f\n',elapsed_time1);

start_time=tic;
y =  (1-(3/5)*x+(3/20)*x.^2 -(x.^3/60)) / (1+(2/5)*x-(1/20)*x.^2);

elapsed_time1 = toc(start_time);
fprintf('Computational time for product solution: %f\n',elapsed_time1);

我的数据

序列化解决方案的计算时间：2.578290

序列化解决方案的计算时间：0.010060

预分配和矢量化加速

3 个答案: