Question

一段时间以来，我一直在处理logit，我需要使用内置的exp（）函数。与使用具有相同矩阵较小块的for循环相比，对于大型矩阵而言，这似乎运行起来更慢。

在Matlab文档和其他几种形式中，始终建议对代码进行矢量化处理以加快速度。但这似乎并非如此。

n = 32;
rows = 50000;
cols = 32;

a = rand(n*rows, cols);
b = rand(rows, cols);

% in a loop
tic
for i=1:n 
   d = exp(b);
end
toc

% big matrix
tic
d = exp(a);
toc

我希望第一个tic-toc慢于第二个。但是我得到的输出如下：

Elapsed time is 0.335781 seconds.
Elapsed time is 0.390191 seconds.

关于这种情况的任何想法都会有所帮助。

编辑1 假设我这样编辑我的代码，以便每次都使用随机值：

n = 32;
rows = 50000;
cols = 32;

% in a loop
tic
for i=1:n 
   d = exp(rand(rows, cols));
end
toc

% big matrix
tic
e = exp(rand(n*rows, cols));
toc
return

我仍然得到：

Elapsed time is 0.745808 seconds.
Elapsed time is 0.847162 seconds.

Answer 1

您没有进行公平的比较：“循环”用例使用更少的内存，多次读取相同的较小数组，而“大矩阵”用例则需要读取更大的内存块并写入更大的内存块。从主内存读取是一个瓶颈，因此能够利用缓存有助于加快“循环”代码的速度。

这是一个比较公平的比较：

rows = 32*50000;
cols = 32;

a = rand(rows, cols);

% in a loop
tic
d = zeros(size(a));
for i=1:cols
   d(:,i) = exp(a(:,i));
end
toc

% big matrix
tic
d = exp(a);
toc

我看到了（MATLAB R2019a Online）：

Elapsed time is 0.208699 seconds.
Elapsed time is 0.140489 seconds.

所以循环慢。但这并没有那么慢。在过去的15年左右的时间里，MATLAB一直在稳步提高其JIT。在他们引入JIT之前，循环代码的速度很容易慢100倍左右。

注意：：始终确保至少运行两次计时脚本，并丢弃最初的计时。第一次运行某些代码时，JIT需要对其进行编译，从而增加了测量的时间。

关于编辑1 ：

这里，在“循环”情况下，您仍在处理较小的数组。除了在循环内移动了rand调用之外，没有太大的变化。临时记忆被重新使用。

For循环似乎比矩阵运算快

1 个答案: