Question

我以前没有MATLAB的经验。现在，我正在尝试编辑一个MATLAB程序，使其可以在GNU Octave中运行（两者都在Windows系统上）。

我通过更改一些运算符或特殊字符修复了一些错误，例如 +：不一致的参数（op1是1x1，op2是0x1）。例如，我改变了

val = textscan(unit53,'%d %s %f %f %f %f \r\n');

到

val = textscan(unit53,'%d %s %f %f %f %f "\r""\n"');

我成功编辑了程序，它运行时没有错误。但是，我编辑的程序大约需要32个小时才能完成运行。最初的MATLAB程序只需要大约10分钟即可运行。

程序的缓慢部分是关于声明的for循环，用从文档中读取的信息填充矩阵，并用这些矩阵进行计算。

每次尝试在Octave中运行MATLAB代码时，是否会发生这种情况（运行速度较慢）？

如何让MATLAB代码运行得更快？

Answer 1

原始MATLAB代码只需大约10分钟即可运行。程序的缓慢部分是关于声明的循环，用文档读取的信息填充矩阵，并用这些矩阵进行计算。

根据经验，如果你在Octave程序中看到一个包含多次迭代的for循环，那么这不是一个好的程序。 Matlab曾经是相同的，但现在他们有一个不错的JIT加速了这些草率的代码。如果您的代码是矢量化的，那么您不应该看到Octave和Matlab之间存在很大差异。

如何做，取决于你的问题。许多功能实际上可以很好地与数组一起使用，只是因为人们不会那样使用它们。进入你的for循环，然后将每一行放在循环之外，一个接一个。根据您的问题，这可能并不容易。另一种方法是，如果循环迭代彼此独立，请考虑使用并行包。

作为一个例子，我曾经有一个程序，在Matlab运行约20分钟。在Octave，我在2天后杀了它。主要问题是两个for循环，其中一个迭代遍历512 * 512 * 2000图像的每个像素。在我矢量化后，Octave在2分钟内运行它。我不得不移植许多Matlab程序，这很常见。

编辑（回答评论）：有很多关于矢量化的例子和教程，但没有灵丹妙药。解决方案通常是唯一的，它将取决于您的代码。对于连续元素之间差异的特定情况，您应该使用diff来获取差异数组，然后对其进行处理。向量化代码看起来会增加内存使用量，但会更快。