arrays - Julia代码优化: vector calculation and taking sum

Question

我在一个 Julia 项目中，我想优化下面代码中的函数 oneAttempt。

下面是我的代码的简要说明:

• 函数oneAttmept实现一定的递归算法，返回最终结果。
• 变量f是通过我在下面的代码中编写为算法部分的算法更新的变量(对于这个问题我会省略这部分)。
• 函数 oneAttempt 在 for 循环下会被调用很多次(超过 1000 次)。

function oneAttempt()
            n = 30
            m = 900

            x = rand(Normal(), n, n)
            A = ones(n, n) * sum(sum(x, dims = 1))
    
            # f would be passed to the algorithm below.
            # f0 is the initial value of f
            f0 = ones(n, n) + x - (1 / m) * A
            f = copy(f0)
            o = zeros(n, n)

            #=
            algorithm part:    
            while loop in which f would be updated many times under complicated algorithm 
            =#
            
            return f;
end

# the function `oneAttempt` would be called many times (more than 1000 times) under for loop.

我想有更好的优化方法来制作 f0，因为我听说向量计算将是 Julia 编码中的一个常见瓶颈。

有更好的编码方法吗？

如有任何信息，我们将不胜感激。

Answer 1

您的示例不太独立，这使得提出改进建议变得更加困难，因为我不知道可以在不改变其功能的情况下更改哪些部分。但总的来说，我想说你的问题是你创建了很多不必要的数组，你的第一个策略应该是减少它。

例如:

A = ones(n, n) * sum(sum(x, dims = 1))

这会在内部sum内部创建一个向量，然后对其求和。另外，不需要 ones(n, n) 它只是更多没有目的的分配。相反，写

A = sum(x)

这对整个数组x求和，不需要数组。 (我怀疑你来自 Matlab，其中 sum(x) 对矩阵的列求和(除非它是 1xN 矩阵，在这种情况下它对行求和!)，但即使在 Matlab 中你也可以编写 sum(x, [], 'all') 而不是 sum(sum(x))。)

这里:

f0 = ones(n, n) + x - (1 / m) * A

您还应该避免不必要的分配。无需创建数组，只需使用广播即可。我会这样写:

f0 = (1 + A/m) .+ x  # 1 and A/m are both scalar, so don't dot the plus in the parens.

这里

f = copy(f0)
o = zeros(n, n)

您创建了更多数组，其中包含一个副本和零。我不知道它们的用途，但我怀疑你不需要它。如果您添加更多上下文，我可以对其发表评论。

但总的来说，减少不必要的数组，改用广播，以及可能的就地操作。