julia - 如何快速 reshape 数组

Question

在下面的代码中，我使用 Julia Optim 包来查找关于目标函数的最佳矩阵。
不幸的是，提供的优化函数仅支持向量，因此我必须在将矩阵传递给优化函数之前将其转换为向量，并在目标函数中使用它时将其转换回来。

function opt(A0,X)    
    I1(A) = sum(maximum(X*A,1))

    function transform(A)
      # reshape matrix to vector
      return reshape(A,prod(size(A)))
    end

    function transformback(tA)
      # reshape vector to matrix
      return reshape(tA, size(A0))
    end

    obj(tA) = -I1(transformback(tA))
    result = optimize(obj, transform(A0), method = :nelder_mead)
    return transformback(result.minimum)
end

我认为 Julia 每次都为此分配新的空间并且感觉很慢，那么解决这个问题的更有效方法是什么？

Answer 1

只要数组包含被认为是不可变的元素(包括所有原语)，那么数组的元素就包含在 1 big 中。连续 一团内存。所以你可以打破维度规则，简单地把一个二维数组当作一维数组，这就是你想要做的。所以你不需要 reshape ，但我不认为 reshape 是你的问题
数组是列主要且连续的
考虑以下函数

function enumerateArray(a)
   for i = 1:*(size(a)...)
      print(a[i])
   end
end

此函数将 的所有维度相乘在一起，然后假设 从 1 循环到该数字是一维的。
当您将 a 定义为以下内容时

julia> a = [ 1 2; 3 4; 5 6]
3x2 Array{Int64,2}:
 1  2  
 3  4
 5  6

结果是

julia> enumerateArray(a)
135246

这说明了一些事情。

是的，它确实有效

矩阵以列优先格式存储

reshape
所以，问题是为什么 reshape 不使用这个事实？嗯，确实如此。这是 array.c 中 reshape 的 julia 来源

a = (jl_array_t*)allocobj((sizeof(jl_array_t) + sizeof(void*) + ndimwords*sizeof(size_t) + 15)&-16);

所以是的，创建了一个新数组，但只创建了新的维度信息，它指向没有复制的原始数据。您可以像这样简单地验证这一点:

 b = reshape(a,6);

julia> size(b)
(6,)

julia> size(a)
(3,2)

julia> b[4]=100
100

julia> a
3x2 Array{Int64,2}:
 1  100
 3    4
 5    6

所以设置 的第四个元素b 设置 的 (1,2) 元素 .
至于整体缓慢

I1(A) = sum(maximum(X*A,1))

将创建一个新数组。
您可以使用几个宏来跟踪此问题 @profile 和 @time .时间会另外记录分配的内存量，可以放在任何表达式的前面。
例如

julia> A = rand(1000,1000);
julia> X = rand(1000,1000);
julia> @time sum(maximum(X*A,1))
elapsed time: 0.484229671 seconds (8008640 bytes allocated)
266274.8435928134

记录的统计数据@profile 使用 输出Profile.print()