Question

我基本上是按顺序读取50000个png文件（名为1.png，2.png ....的文件）并逐个将它们转换为灰度。然后我使用重塑功能将这些图像数据转换为单个矢量。 imresize这里将32 * 32图像尺寸缩小到8 * 8。由于下面的for循环花费了很多时间（约5到6分钟），我正在考虑替代方法或任何优化方法。我尝试了来自并行计算工具箱的matlabpool和parfor，但由于我在一台孤立的计算机上工作，它不适合我。请在此代码中向我推荐一些方法或更改。

image_Coll = zeros(8*8,50000);

for k = 1:50000
  imageData = imread(strcat('D:\MATLAB_FILES\KAGGLE_CIFAR\train\',num2str(k), '.png'));
  imageData = imresize(imageData,[8 8]);
  imageData = rgb2gray(imageData);
  imageData=reshape(imageData,8*8,1); % 8 * 8 pixels
  image_Coll(:,k)= imageData;
end

Answer 1

最耗时的部分很可能是imread，而你可能做的并不多。

您可以通过在循环中使用单独的变量来减少一点时间。使用您的代码，imageData首先是32x32，然后是8x8，在下一次迭代中，Matlab必须再次分配内存以使imageData 32x32。你可以避免使用两个变量而不是一个。此外，(:)可能比reshape更快：

image_Coll = zeros(8*8,50000);

for k = 1:50000
  imageData = imread(strcat('D:\MATLAB_FILES\KAGGLE_CIFAR\train\',num2str(k), '.png'));
  imageData2 = imresize(imageData,[8 8]);
  imageData2 = rgb2gray(imageData2);
  image_Coll(:,k)= imageData2(:);
end

或者

image_Coll = zeros(8*8,50000);

for k = 1:50000
  imageData = imread(strcat('D:\MATLAB_FILES\KAGGLE_CIFAR\train\',num2str(k), '.png'));
  imageData2(:,k)= rgb2gray(imresize(imageData,[8 8]));
  image_Coll(:,k)= imageData2(:);
end

但是，我不认为这会为你节省很多时间。

Answer 2

您希望达到什么样的速度？就个人而言，我认为每分钟打开1000张图像并不合格。“

如果你想要显着的加速，你可能需要在框外思考一下。我能提出的一些事情：

尝试将它们保存到一个或几个较大（垫子）文件中并从那里加载，而不是加载50000个图像。当然，这只有在你需要多次处理相同的照片时才有用。
通常，您可以通过使用矢量化来实现加速。我不知道是否可能，但如果你在一些大图像（原始图像的串联）上调用rgb2gray并将结果分开，则可能比单独处理每个图像快得多。

无论如何，请务必使用profile，关注瓶颈并保持现实的期望。

MATLAB：如何提高这个特定代码的速度？

2 个答案: