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
答案 0 :(得分:0)
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" Func_mex(x,y)" (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。