Question

提前感谢您的帮助。

我正在MATLAB中运行数值优化，以使时间序列模型的参数适合数据。为了加快运行时间，我尽可能多地渲染代码，但是我留下了以下for循环，这些循环的顺序比其他代码行慢。因此，优化是不切实际的，特别是因为我想比较许多模型的性能。这些操作涉及在n-d阵列的切片上重复外部矢量积或矩阵乘法（其中n大于2）。

我已经通过各种方式对下面的for循环进行了矢量化，例如通过重塑矩阵（以及使用repmat或bsxfun la Matrix multiplication of row and column without for loop in matlab复制维度），但是矢量化版本比原始for循环运行得慢。我还下载了几个函数，包括mtimesx（导致MATLAB崩溃）和multiprod（比下面的for循环慢）。

第一个for循环是：

Vnew = zeros(nS,nS,nC);
for c = 1:nC
    Vnew(:,:,c) = (eye(nS) - K(:,c)*C(c,:))*Vpred;
end

其中nC = 20，nS = 40，K是40x20矩阵，C是20x40矩阵，Vpred是40x40矩阵。

第二个for循环是：

Vmerge = zeros(nS,nS);
for c = 1:nC
    Vmerge = Vmerge + (V(:,:,c,t) + err(:,c)*err(:,c)')*cPnew(c);
end

其中V（：，：，：，t）是40x40x20矩阵，err是40x20矩阵，cPnew是20x1向量。

每次运行优化器时，每个for循环被调用540次（我的时间序列模型中有540个离散时间点）。

我一直在努力解决这个问题。我在网上发现的解决方案似乎并不比上面的for循环更快。如果有人可以建议一个运行时间比较的解决方案，我将非常感激。

谢谢，

阿比

Answer 1

您可以将示例函数Func（x，y）的matlab代码转换为mex文件：

codegen -config coder.config('lib') Func -args {x, y}

或lib / dll C代码：

codegen -config coder.config('mex') Func -args {x, y}

然后你可以像普通的matlab函数一样调用mex文件＆＃34; Func_mex（x，y）＆＃34; （它们运行得更快）或者浏览C代码，看看你的C级函数内部会发生什么。

For-loop瓶颈（外部产品和d> 2的阵列切片中的矩阵乘法）

1 个答案: