Question

我正在分析一个在NMatrix矩阵上进行大量数学运算的应用程序。

应用程序将大部分时间花在下面的代码中。

{add: :+, sub: :-, mul: :*, div: :/, pow: :**, mod: :%}.each_pair do |ewop, op|

define_method("__list_elementwise_#{ewop}__") do |rhs|

  self.__list_map_merged_stored__(rhs, nil) { |l,r| l.send(op,r) }.cast(stype, NMatrix.upcast(dtype, rhs.dtype))

end

define_method("__dense_elementwise_#{ewop}__") do |rhs|

  self.__dense_map_pair__(rhs) { |l,r| l.send(op,r) }.cast(stype, NMatrix.upcast(dtype, rhs.dtype))

end

define_method("__yale_elementwise_#{ewop}__") do |rhs|

  self.__yale_map_merged_stored__(rhs, nil) { |l,r| l.send(op,r) }.cast(stype, NMatrix.upcast(dtype, rhs.dtype))

end

end

在上面的代码中，它说：

  # Define the element-wise operations for lists. Note that the __list_map_merged_stored__ iterator returns a Ruby Object

  # matrix, which we then cast back to the appropriate type. If you don't want that, you can redefine these functions in

  # your own code.

我对NMatrix的内部结构并不熟悉，但似乎数学运算正在Ruby中执行。反正有加速这些方法吗？

Answer 1

我们最初用C / C ++编写它们，但它需要一些非常复杂的宏，这些宏基本上是不可维护和错误的，并且大大增加了编译时间。

如果查看History.txt，您将能够找到我们开始在Ruby中编写数学运算的版本。您可以使用先前的代码覆盖并在C / C ++中完全放置元素操作（您需要速度的地方）。

但是，如果在dtype :object的矩阵上正常工作（没有崩溃），可能会遇到问题。

作为旁注，sciruby-dev Google Group（或nmatrix问题跟踪器）可能更适合像这样的问题。

提高元素智慧数学运算的绩效

1 个答案: