C 为什么不'；当使用MATLAB编译器时，我看到了显著的加速吗？

我有很多很好的MATLAB代码，它们运行得太慢，用C写起来会很痛苦。C语言的MATLAB编译器似乎没有多大帮助，如果有的话。是否应该加快执行速度？我完蛋了吗？

根据我的经验，缓慢的MATLAB代码通常来自于没有对代码进行矢量化（即，编写循环而不是仅仅乘法数组（简单示例））

如果您正在进行文件I/O，请注意一次读取一块数据。在帮助文件中查找fscanf的矢量化版本

---

不要忘记，MATLAB也包括一个分析器

对于Matlab编译器，您可能指的是命令mcc，它通过绕过Matlab解释器，确实会稍微加快代码的速度。使用mex命令编译的实际C代码可以显著提高MAtlab代码的速度（提高50-200倍）。

我将附和dwj的说法：如果您的MAtlab代码速度慢，可能是因为它没有足够的矢量化。如果你在做显式循环，而你可以在整个数组上做操作，那就是罪魁祸首

---

这同样适用于所有面向数组的动态语言：Perl数据语言、数值Python、MATLAB/Octave等。在某种程度上，在编译的C和FORTRAN编译代码中也是如此：专门设计的矢量化库通常使用精心编写的内部循环和SIMD指令（例如MMX、SSE、AltiVec）.

正如其他人所指出的，缓慢的Matlab代码通常是矢量化不足的结果

然而，有时即使是完全矢量化的代码也很慢。然后，您还有几个选项：

查看是否有可以使用的库/工具箱。这些通常被写得非常优化

分析您的代码，找出其中的难点，然后用普通C语言重写。将C代码（例如DLL）连接到Matlab很容易，文档中已经介绍了这一点

如果您使用的是（在最新版本的MATLAB上），那么几乎肯定不会看到任何加速。这是因为编译器实际上只提供了一种打包代码的方法，这样就可以将代码分发给没有MATLAB的人。它不会将其转换为更快的代码（如机器代码或C）-它只是将其包装为C，以便您可以调用它

它通过让您的代码在MATLAB编译器运行时（MCR）上运行来实现这一点，MCR本质上是MATLAB计算内核——您的代码仍在被解释。由于必须调用MCR而产生的惩罚，您可能会发现编译后的代码运行速度比在MATLAB上运行要慢

换句话说，你可以说编译器实际上并没有编译，至少在传统意义上是这样

较旧版本的编译器工作方式不同，在某些情况下可能会出现加速。对于Mathwork，让我们来看看

---

mcc根本不会提高代码的速度——它不是真正的编译器

在您放弃之前，您需要运行探查器，并弄清楚您的时间都花在哪里（工具->打开探查器）。此外，明智地使用“tic”和“toc”也会有所帮助。不要优化你的代码，直到你知道时间在哪里（不要试图猜测）

请记住，在matlab中：

• 位级操作非常慢
• 文件I/O速度慢
• 循环通常很慢，但矢量化很快（如果您不知道矢量语法，请学习它）
• 核心运算速度非常快（例如矩阵乘法、fft）
• 如果您认为可以在C/Fortran/etc中更快地完成某些事情，那么可以编写一个MEX文件
• 有一些商业解决方案可以将matlab转换为C（谷歌“matlab-to-C”），它们可以工作

---

首先，我支持上面关于分析和矢量化的所有评论

从历史的角度来看

旧版本的Matlab允许用户通过预解析m代码并将其转换为一组Matlab库调用，将m文件转换为mex函数。这些调用具有解释器执行的所有错误检查功能，但是解释器和/或在线解析器的旧版本速度较慢，因此编译m文件有时会有所帮助。通常，当你有循环时，它会有所帮助，因为Matlab足够聪明，可以在C中内联一些循环。如果你有Matlab的其中一个版本，你可以试着告诉mex脚本保存.C文件，你可以确切地看到它在做什么

---

在最近的版本中（可能是2006a及更高版本，但我不记得了），Mathworks开始为解释器使用即时编译器。实际上，这个JIT编译器会自动编译所有mex函数，所以显式地脱机编译根本没有帮助。从那时起，在每一个版本中，他们都投入了大量的精力来提高解释器的速度。我相信新版本的Matlab甚至不允许您自动将m文件编译为mex文件，因为它不再有意义了。

您尝试过分析代码吗？您不需要对所有代码进行矢量化，只需要对控制运行时间的函数进行矢量化。MATLAB分析器将为您提供一些提示，说明代码在哪里花费的时间最多

---

在MathWorks手册的这一节中，您还应该阅读许多其他内容。

您可以将代码移植到“嵌入式Matlab”，然后使用实时研讨会将其翻译为C

嵌入式Matlab是Matlab的一个子集。它不支持单元阵列、图形、动态大小的矩阵或某些矩阵寻址模式。移植到嵌入式Matlab可能需要相当大的努力

---

实时研讨会是代码生成产品的核心。它提供了通用的C语言，或者可以针对一系列嵌入式平台进行优化。您最感兴趣的可能是xPC目标，它将通用硬件视为嵌入式目标。

MATLAB编译器包装您的m代码并将其发送到MATLAB运行时。所以

s = [];
for i = 1:50000
  s(i) = 3;
end

s = zeros(50000,1);
for i = 1:50000
  s(i) = 3;
end