Julia 如何快速重塑阵列

在下面的代码中，我使用Julia Optim包来寻找关于目标函数的最优矩阵。 不幸的是，提供的优化函数只支持向量，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，并且在目标函数中使用时将其转换回

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每次都在为此分配新的空间，而且感觉很慢，那么解决这个问题的更有效的方法是什么呢？

只要数组包含被认为是不可变的元素，其中包括所有原语，那么数组的元素就包含在一个大的连续的内存块中。因此，您可以打破维度规则，简单地将二维数组视为一维数组，这就是您想要做的。所以你不需要重塑，但我不认为重塑是你的问题

数组是列主数组和连续数组 考虑以下函数

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

该函数将a的所有维度相乘，然后假设a是一维的，从1循环到该数字

当您将

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

这说明了两件事

是的，它确实有效

矩阵以列主格式存储

重塑 所以，问题是为什么重塑不使用这个事实？是的。这是julia在中重塑的来源

因此，是的，创建了一个新数组，但仅创建了新的维度信息，它指向未复制的原始数据。您可以这样简单地进行验证：

 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

因此，设置b的第四个元素将设置a的（1,2）元素

至于整体的缓慢程度

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@profile和@time。时间将另外记录分配的内存量，并且可以放在任何表达式前面

比如说

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

---

@profile记录的统计数据是使用profile.print（）输出的。此外，Optim中的大多数方法实际上允许您提供数组，而不仅仅是向量。您可以将

nelder\u mead

函数概括为同样的功能。

是否应该有类似于重塑函数的功能，而不是创建/复制到一个新对象，只是为已经存在的数据提供一个重塑的接口？它确实为现有数据提供了一个接口，但是因为

Array{Float64,1}

是与

数组{Float64，2}不同的类型

，即使基础数据相同，也必须有一个新对象作为包装器。

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