Question

我正在尝试找到在Matlab中标准化矩阵的最快方法（零均值，单位方差列）。这一切都归结为将相同操作应用于矩阵中所有行的最快方法。我读过的每篇帖子都得出了相同的结论： 使用bsxfun代替repmat 。 Mathworks编写的这篇文章就是一个例子：http://blogs.mathworks.com/loren/2008/08/04/comparing-repmat-and-bsxfun-performance/

但是，在我自己的计算机上尝试这个时，repmat总是更快。以下是我使用与文章中相同代码的结果：

m = 1e5;
n = 100;
A = rand(m,n);

frepmat = @() A - repmat(mean(A),size(A,1),1);
timeit(frepmat)

fbsxfun = @() bsxfun(@minus,A,mean(A));
timeit(fbsxfun)

结果：

ans =

    0.0349


ans =

    0.0391

事实上，无论输入矩阵有多小或多大，我都无法让bsxfun在这种情况下比repmat表现得更好。

有人可以解释一下吗？

Answer 1

您正在阅读的大多数建议，包括Loren的博客文章，可能都是指旧版本的MATLAB，其中bsxfun比repmat快得多。在R2013b中（请参阅链接中的“性能”部分），repmat已重新实现，以便在应用于数字，字符和逻辑参数时提供较大的性能改进。在最近的版本中，它可以与bsxfun大致相同的速度。

对于它的价值，在我的R2014a机器上我得到了

m = 1e5;
n = 100;
A = rand(m,n);

frepmat = @() A - repmat(mean(A),size(A,1),1);
timeit(frepmat)

fbsxfun = @() bsxfun(@minus,A,mean(A));
timeit(fbsxfun)

ans =
      0.03756
ans =
     0.034831

所以看起来bsxfun仍然快一点，但并不多 - 而且在你的机器上看起来情况恰恰相反。当然，如果您改变A的大小或您正在应用的操作，这些结果可能会再次变化。

可能还有其他理由偏好另一种解决方案，例如优雅（如果可能的话，我更喜欢bsxfun。）

修改：评论者要求选择bsxfun的特定原因，这意味着它可以使用比repmat更少的内存，避免使用{{1}的临时副本没有。

我认为事实并非如此。例如，打开任务管理器（或Linux / Mac上的等效项），监视内存级别，然后键入：

repmat

（调整>> m = 1e5; n = 8e3; A = rand(m,n); >> B = A - repmat(mean(A),size(A,1),1); >> clear B >> C = bsxfun(@minus,A,mean(A)); >> clear C和m，直到图中可以看到跳转，但内存不足则不会那么大。

我从n和repmat看到完全相同的行为，即内存平稳上升到新的水平（基本上是bsxfun的两倍），没有临时的额外峰值

即使操作就地完成也是如此。再次，观察内存并输入：

同样，我从>> m = 1e5; n = 8e3; A = rand(m,n); >> A = A - repmat(mean(A),size(A,1),1); >> clear all >> m = 1e5; n = 8e3; A = rand(m,n); >> A = bsxfun(@minus,A,mean(A));和repmat看到了完全相同的行为，即内存上升到一个峰值（基本上是bsxfun的两倍），然后再回落到上一级。

所以我担心A和repmat之间在速度或内存方面看不出太多技术差异。我对bsxfun的偏好实际上只是个人偏好，因为它感觉更优雅。

Matlab - bsxfun不再比repmat快吗？

1 个答案: