Question

在下面的代码中，我使用Julia Optim软件包来查找与目标函数相关的最优矩阵。遗憾的是，提供的优化函数仅支持向量，因此我必须先将矩阵转换为向量，然后再将其传递给optimize函数，并在目标函数中使用它时将其转换回来。

function opt(A0,X)    
    I1(A) = sum(maximum(X*A,1))

    function transform(A)
      # reshape matrix to vector
      return reshape(A,prod(size(A)))
    end

    function transformback(tA)
      # reshape vector to matrix
      return reshape(tA, size(A0))
    end

    obj(tA) = -I1(transformback(tA))
    result = optimize(obj, transform(A0), method = :nelder_mead)
    return transformback(result.minimum)
end

我认为朱莉娅每次都会为此分配新的空间而感觉很慢，那么解决这个问题的方法会更有效？

Answer 1

只要数组包含被认为是不可变的元素（包括所有基元），那么数组的元素就包含在1个 连续的 内存块中。因此，您可以打破维度规则，只需将二维数组视为一维数组，这就是您想要做的。所以你不需要重塑，但我不认为重塑是你的问题

数组是列主要且连续的

考虑以下功能

function enumerateArray(a)
   for i = 1:*(size(a)...)
      print(a[i])
   end
end

此函数将 a 的所有维度相乘，然后从1到该数字循环，假设 a 是一维。

将a定义为以下

julia> a = [ 1 2; 3 4; 5 6]
3x2 Array{Int64,2}:
 1  2  
 3  4
 5  6

结果是

julia> enumerateArray(a)
135246

这说明了一些事情。

是的，它确实有效
矩阵以列主格式存储

重塑

那么，问题是为什么不重塑这个事实呢？它确实如此。这是array.c

a = (jl_array_t*)allocobj((sizeof(jl_array_t) + sizeof(void*) + ndimwords*sizeof(size_t) + 15)&-16);

所以是的，创建了一个新数组，但只创建了新的维度信息，它指向未复制的原始数据。您可以像这样验证这一点：

 b = reshape(a,6);

julia> size(b)
(6,)

julia> size(a)
(3,2)

julia> b[4]=100
100

julia> a
3x2 Array{Int64,2}:
 1  100
 3    4
 5    6

因此设置 b 的第4个元素会设置 a 的（1,2）元素。

总体缓慢

I1(A) = sum(maximum(X*A,1))

将创建一个新数组。

您可以使用几个宏来跟踪 @profile 和 @time 。时间将另外记录分配的内存量，并且可以放在任何表达式之前。

例如

julia> A = rand(1000,1000);
julia> X = rand(1000,1000);
julia> @time sum(maximum(X*A,1))
elapsed time: 0.484229671 seconds (8008640 bytes allocated)
266274.8435928134

@profile 记录的统计信息使用 Profile.print（）

Answer 2

此外，Optim中的大多数方法实际上允许您提供数组，而不仅仅是Vector。您可以概括nelder_mead函数来执行相同的操作。

如何快速重塑阵列

2 个答案:

数组是列主要且连续的

重塑