Question

我在这行代码中有数千人打电话

idx=sub2ind(size(I),x,y);
A=bsxfun(@times,bsxfun(@times, a, d),I(idx));
B=bsxfun(@times,bsxfun(@times, b, d),I(idx));
C=bsxfun(@times,bsxfun(@times, b, c),I(idx));
D=bsxfun(@times,bsxfun(@times, a, c),I(idx));

其中a，b，c和d =1xn矩阵以及I=mxn矩阵（最高可达1920x1080）。例如：

x=10; y=40;
a=rand(1,100);
b=rand(1,100);
c=rand(1,100);
d=rand(1,100);
I=rand(500,500);

矢量化方法将使用.*，但经过多次测试后，.*的一半是 SLOWER 而不是bsxfun（我使用的是MATLAB 2017a）

还有其他建议可以改善吗？我虽然要求CPU计算，而不是GPU。对于一周时间的计算，略微改善百分比是非常显着的。谢谢！

事实：这些代码行被编译成MEX并被称为40855882次，总时间/自身时间为19558.370秒。这甚至不是总计算量的10％。

Answer 1

我会使用.*。我知道你说它比较慢但是在我的电脑上（和2016b）它快了大约70倍......

x=10; y=40;
a=rand(1,100);
b=rand(1,100);
c=rand(1,100);
d=rand(1,100);
I=rand(500,500);
idx=sub2ind(size(I),x,y);
n = 10000;
tic
for ii = 1:n % vectorized version
    A1 = a.*d*I(idx);
    B1 = b.*d*I(idx);
    C1 = b.*c*I(idx);
    D1 = a.*c*I(idx);
end
t1 = toc;
tic
for ii = 1:n % bsxfun version
    A=bsxfun(@times,bsxfun(@times, a, d),I(idx));
    B=bsxfun(@times,bsxfun(@times, b, d),I(idx));
    C=bsxfun(@times,bsxfun(@times, b, c),I(idx));
    D=bsxfun(@times,bsxfun(@times, a, c),I(idx));
end    
t = toc;
t/t1

可以用bsxfun代替更快的操作吗？

1 个答案: