Tuning MATLAB Code

写高效率的MATLAb code和写好英文文章的最核心,最重要的思路是完全一样的: 不要重复 (avoid redundancy). 做到了这一点,代码的效率会得到保障,也能让读者更好的理解自己英文文章的目的。

这一个简单思路之所以如此重要是因为大部分MATLAB code的bottleneck都是重复次数非常多的for loop, 而for loop中即使一个很小的计算,在几万次的重复下也会对整体程序的效率起到很大的影响。因此,写好MATLAB code的关键就是如何避免重复计算。基于这点思路,下面具体介绍三类如何避免重复计算的方法

Move loop-invariant code out of the loop

如果一个计算在每次loop时不发生变化,那么这个计算就应该被调整到for loop之外。这个思路虽然简单,但是有的时候并不是特别容易发现重复的计算,特别是这个计算是在另外一个函数中进行时。 下面举例说明:

‘’’

for loopIDX = 1:1000
    array =1:100;
    process(array,loopIDX);
end
function process(array, loopIDX)
    arrayLen = length(array);
    for arrayIDX =1:arrayLen
        doSomething(arrary(arrayIDX),loopIDX);
    end
end

‘’’
这里的redundancy不是特别容易发现,arrayLen是在 process 函数里面计算的,但是这个变量不会因为loopIDX的改变而变化, 因此不需要重复计算。 优化后的代码如下

‘’’

array =1:100;      
arrayLen = length(array);
for loopIDX = 1:1000
    process(array,arrayLen,loopIDX);
end
function process(array,arrayLen,loopIDX)
    for arrayIDX =1:arrayLen
        doSomething(arrary(arrayIDX),loopIDX);
    end
end

‘’’

Minimize Dereferencing

不仅是不必要的计算需要尽量减少,其他一切会消耗计算时间的代码都需要优化。这里面就包括了:overhead of calling function and referencing. 每次call function和指代矩阵元素,不仅是函数计算和矩阵运算会耗费时间,而且会有额外的overhead的成本。 下面举例说明

1
2
3
4
5
6
7
8
9
10
11
12
13

a = [0,0];
for idx =1:1e8
a(2)=a(2)+idx;
end


a = [0,0];
b = 0;
for idx =1:1e8
b = b +idx;
end
a(2) = b;

这几行代码只是对a(2)进行一个累计的加总,但是第一种方法由于每个loop里面都需要进行通过index找到a(2)具体值的计算,而第二种方法通过使用一个temporary variable b,避免了每次的索引运算,可以将运算时间从0.9秒缩短到0.5秒。

Vectorization

作为一个矩阵运算语言,MATLAB进行矩阵计算通常比通过for loop进行计算要更有效率,因此使用矩阵语言代替for loop通常能够节约计算时间,这种方法被统称为vectorization。下面,我们举一个例子,来介绍vectorization的思路。

假设,我们有一个班级的学生成绩,以vector form储存。我们需要在这些学生中抽出4人组成一个小组,得到一个储存了每种可能的矩阵,每行对应抽中学生的成绩。 下面代码可以通过for loop来实现这一目的。

1
2
3
4
5
6
7
8
9
10
11
12

tic
data = rand(5,1);
for i =1:1e5
c_mod = nchoosek(1:5,3);
exp_cbnt = zeros(size(c_mod, 1), 3);
exp_cbnt(:,1) = data(c_mod(:,1),1);
for k = 2:3
exp_cbnt(:,k) = data(c_mod(:,k),1);
end
end
toc

使用vectorization的方法如下。这里的思路是先计算最终需要得到的矩阵的row vector form (one dimension),再通过reshape得到最终的目标矩阵。 使用vectorization的方法会比第一种for loop的方法节约大概百分之十的计算时间,loop次数越多节约的时间会越明显。

1
2
3
4
5
6
7
8
9
10
11
12

tic
for i =1:1e5
c_mod = nchoosek(1:5,3);
c_mod_length = size(c_mod, 1);
c_mod_vec = reshape(c_mod,c_mod_length*3,1);
exp_cbnt_vec = data(c_mod_vec,1);
exp_cbnt_b = reshape(exp_cbnt_vec,c_mod_length,3);
end
toc

isequal(exp_cbnt,exp_cbnt_b)

Vectorization的方法还有很多,这里无法一一列举,但是重要的是当我们看到for loop时,应该立刻去想是不是有可能用矩阵的方法来表达,然后再测试对比两种方法所花的时间.Matlab已经能够对for loop进行非常高效的优化了,所以并不是vectorization一定会节约时间。

Talk on coding practice for IESR, Jinan
Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×