Question

我的代码如下：

Ne = 100;
H = rand(Ne,Ne);
g = zeros(Ne,1);

for e =1:Ne
    hue = H(:,e);
    ss1 =  bsxfun(@times, hue', hue) .* M;   % M is a Ne*Ne matrix
    g(e) = sum(ss1(:));
end

当Ne＆gt; 1000，它运行得很慢。

我阅读了matlab文档，并找到了permute函数是一种可能的加速方法。但我试了整整一天却失败了。

这是我的代码，我不知道出了什么问题。

C = permute(bsxfun(@times, permute(H, [1 3 2]), permute(H', [1 3 2])), [1 3 2]);
g = sum(sum(C))

Answer 1

如果你做数学计算，你会发现你所要做的就是：

g = sum(H) .^ 2;

运行速度：0.000681秒，Ne = 1000（原始代码耗时3.047315秒）。

修改

现在，对于您编辑的代码，您所要做的就是：

g = diag(H.' * M * H);

运行速度：0.072273秒，Ne = 1000。

如果您注意到如果重新排列术语，则可以获得加速，您可以避免第二次矩阵乘法（更改为点积），您需要做的就是对列进行求和，如下所示：

g = sum(M.' * H .* H);

运行速度：0.044190秒，Ne = 1000。

做数学总是一个好主意。我们花了一些时间，但代码获得了很好的加速。：）

注意：通过平均一百次运行的时间来测量运行速度。

Answer 2

对于您编辑过的代码，这可行 -

H1 = permute(H,[1 3 2]);
H2 = permute(H,[3 1 2]);
p1 = bsxfun(@times,H2,H1);
p1 = bsxfun(@times,p1,M);
g = sum(reshape(p1,Ne*Ne,[]),1)';

尽管如此，这并没有很好的性能提升，因为它仅在有限范围的小型数据集上更快一点。

避免＆＃39; for＆＃39;通过置换在matlab脚本中循环

2 个答案: