matlab - 在 MATLAB 中加快 for 循环的方法

Question

我刚刚分析了我的 MATLAB 代码，这个 for 循环中有一个瓶颈:

for vert=-down:up
    for horz=-lhs:rhs
        y = y + x(k+vert.*length+horz).*DM(abs(vert).*nu+abs(horz)+1);
    end
end

其中 y、x 和 DM 是我已经定义的向量。我通过编写将循环矢量化，

B=(-down:up)'*ones(1,lhs+rhs+1);
C=ones(up+down+1,1)*(-lhs:rhs);
y = sum(sum(x(k+length.*B+C).*DM(abs(B).*nu+abs(C)+1)));

但这最终变得足够慢。

关于如何加快这个 for 循环有什么建议吗？

提前致谢。

Answer 1

您所做的并不是真正的矢量化。在 Matlab 中为图像处理编写适当的矢量化程序(我假设这就是你正在做的)是非常困难的，如果不是不可能的话。当我们使用术语向量化时，我们的真正意思是“无需额外计算的向量化”。比如这段代码

a = 1:1000000;
for i = a
    n = n+i;
end

运行起来会比这段代码慢很多

a = 1:1000000;
sum(a)

更新:感谢@Rasman 的热心建议，上面的代码已经修改。原因是 Matlab 在运行代码之前不会将您的代码编译成机器语言，这就是导致它变慢的原因。 sum、mean 和 .* 运算符等内置函数在后台运行预编译的 C 代码。 For 循环是代码运行缓慢的一个很好的例子，如果没有针对您的 CPU 寄存器进行优化。

请忽略我的第一条评论，您所做的是用向量操作和重写您的程序。这些操作会占用额外的 CPU，仅仅是因为您告诉计算机进行更多计算，即使每个单独的计算可能(也可能不会)花费更少的时间。

如果你真的想加速你的代码，看看MEX files .它们允许您编写和编译 C 和 C++ 代码，将其编译并作为 Matlab 函数运行，就像那些快速的内置函数一样。无论如何，Matlab 并不意味着成为一个快速的通用编程平台，而是一个计算机模拟环境，尽管近年来这种方法一直在变化。我的建议(根据经验)是，如果你进行图像处理，你将编写 for 循环，而且很少有办法绕过它。矢量运算是为了更直观地解决线性代数问题而编写的，我们很少将数字图像视为常规矩形矩阵来处理它们。

希望对您有所帮助。