Question

我一直试图从学士学生为我们写的代码中提取一些操作。他使用了丑陋的嵌套循环，我试图改变为bsxfun调用。当我按原样使用此函数时，这是有效的，但是当我尝试使用编码器编译它时，我收到错误。

编辑：我意识到我应该澄清代码的某些部分。 S，W和N是nxn矩阵，表示成对比较ij的偏好。 mu是一个行向量，包含绝对等级重建的（预测）分数。

要检查代码的作用，您可能需要检查页面的最底部。

原始代码如下：

for i = 1:n
    for j = i:n
        if i~= j
            mu = x(i) - x(j);
            md1 = normcdf(-delta1, mu); %minus d0
            md0 = normcdf(-delta0, mu);
            d0 = normcdf( delta0, mu);
            d1 = normcdf( delta1, mu);

            Y = Y + S(i,j) .* log(1  - d1) + ...
                    W(i,j) .* log(d1 - d0) + ...
                    N(i,j) .* log(d0 - md0) + ...
                    W(j,i) .* log(md0 - md1) + ...
                    S(j,i) .* log(md1);

        end
    end
end
Y = -Y; %this will be used in fminsearch, therefore the negative sign

我为此写了一个快速而又脏的矢量化解决方案：

diffs = bsxfun(@minus,x,x');

% create the deltas array augmented by -Inf and Inf for easy diff calculation
deltass = sort([-Inf, Inf, deltas, -1*deltas]);
deltass = reshape(deltass, [1, 1, length(deltass)]);
normcdfs = diff(1-bsxfun(@normcdfupper, diffs, deltass), 1, 3);
normcdfs(repmat(logical(tril(ones(size(normcdfs(:,:,1))))),[1,1,length(deltass)-1])) = 1;

Y = -sum(sum(sum(normcdfs_input.*log(normcdfs))));

编辑：normcdfupper是我写的一个包装类，它调用normcdf（diff，delta，＆＃39; upper＆＃39;），因为我遇到了问题，尾部可能会导致错误。

就像我说的那样，这在我的日常使用中运行良好。但是由于mexing旧的嵌套for循环版本带来了巨大的加速，我试着用这个加速版本做同样的事情，只是在编码器中遇到以下错误：

Expansion is only supported along dimensions where one input argument or the other has a fixed length of 1.

Error in lik_ml (line 27)
normcdfs = diff(1-bsxfun(@normcdfupper,diffs,deltass),1,3);

diffs是：infx：inf double，deltass是1x1x：inf double。编码员告诉我：

diffs deltass

如果有人可以帮我解决此错误消息，我将非常感激。

编辑：一些代码来测试它：

clear all;

% rng(322);
delta0 = 1;
delta1 = 2;
deltas = [delta0, delta1];

sigma = 0.5;
options = 5;

maxVotes = 10000;
voteStep = 3;

initialVoteStep = 3;

raw_mu = rand(1,options);
mu = sort(zscore(raw_mu));

S = zeros(options);
W = zeros(options);
N = zeros(options);

for i = 1:options
    for j = i:options
        if i ~= j
            S(i,j) = 1 - normcdf(delta1, mu(i)-mu(j));
            W(i,j) = normcdf( delta1, mu(i)-mu(j)) - normcdf( delta0, mu(i)-mu(j));
            N(i,j) = normcdf( delta0, mu(i)-mu(j)) - normcdf(-delta0, mu(i)-mu(j));
            W(j,i) = normcdf(-delta0, mu(i)-mu(j)) - normcdf(-delta1, mu(i)-mu(j));
            S(j,i) = normcdf(-delta1, mu(i)-mu(j));
        end
    end
end

diffs = bsxfun(@minus,mu,mu');
deltass = sort([-Inf, Inf, deltas, -1*deltas]);
deltass = reshape(deltass,[1,1,length(deltass)]);
normcdfs = diff(bsxfun(@(x,y) normcdf(y,x),diffs,deltass),1,3);

Answer 1

这是for循环的矢量化版本

[I,J] = meshgrid(1:n);
idx = I<J;
I = I(idx);
J = J(idx);
IJ = sub2ind([n n],I,J);
JI = sub2ind([n n],J,I);
mu = x(I)-x(J);
md1 = normcdf(-delta1, mu).'; 
md0 = normcdf(-delta0, mu).';
d0 = normcdf( delta0, mu).';
d1 = normcdf( delta1, mu).';
Y = sum(S(IJ) .* log(max(0,1  - d1)) + ...
W(IJ) .* log(max(0,d1 - d0)) + ...
N(IJ) .* log(max(0,d0 - md0)) + ...
W(JI) .* log(max(0,md0 - md1)) + ...
S(JI) .* log(max(0,md1)));

Matlab编码器导致bsxfun

1 个答案: