Question

我正在使用MATLAB运行模拟器。但是，需要几天时间。因此，我决定将代码更改为C. （首先，我尝试在MATLAB中使用c-mex，但我认为编码和调试非常困难.mxType !!!？！？！？因此，我决定使用Visual Studio 2017制作C代码。）

在我的MATLAB代码中，我使用了

x = [unifrnd(varmin(1),varmax(1),varnum,1),...
     unifrnd(varmin(2),varmax(2),varnum,1),...
     unifrnd(varmin(3),varmax(3),varnum,1)];

即，x是大小varnum * 3的矩阵，其第1列是从varmin（1）到varmax（1）均匀分布的随机数，第2列是从varmin（2）到varmax均匀分布的随机数（ 2），第3列是从varmin（3）到varmax（3）均匀分布的随机数。

当我在C代码中创建矩阵时，我将编写如下代码：

srand(time(NULL));
for(j=1; j<3; j++) {
    for(i=1; i<varnum; i++) {
        x[i][j] = rand() % (varmax[j]-varmin[j]) + varmin[j];
    }
}

我将代码从MATLAB更改为C，因为运行时间太长。但是，我认为MATLAB一次处理一个矩阵，但C通过运行M * N迭代来处理大小为MxN的矩阵。但是，下面的代码（C）是否比上面的代码（MATLAB）更快？另外，有没有更好的代码来制作具有随机数的矩阵？

Answer 1

MATLAB和C都会运行随机生成M*N次，你无法真正解决这个问题。在C中它可能更明确一些，但最后它只是一个打字而不是实际速度的问题。

如果你以正确的方式使用它，我会说MATLAB非常快。这意味着要在内置矩阵运算上倾斜很多，并尽可能地将其他运算矢量化。它自动为您计算并行计算的事实只是在蛋糕上。另一方面，如果您在大型矩阵上进行大量手动循环操作，则可能会出现问题。请注意，新版本的MATLAB也知道如何JIT那种代码，但它不会像超调整的内置方法一样快。

所以我要避免在MATLAB之外转到C.最多只做C中的一些小函数，其中MATLAB对你没有帮助，但其余部分留在MATLAB中。

除非你真的知道自己在做什么，否则你不太可能看到性能提升。事实上，我打赌你会看到性能下降。并保证增加开发成本。

如果资源允许，我会调查为团队购买更大的机器，或从AWS / GCP租用一些计算资源。虽然使MATLAB工作的后勤工作可能令人望而却步。

C vs MATLAB（制作一个矩阵，其元素是均匀分布的随机数）

1 个答案: