Loops 对于高维数组，使用数组访问的循环速度较慢

我在中描述并解决了相同的问题，其中julia循环由于使用非最佳变量类型重复访问内存而大大减慢。但在我的例子中，张量（维数大于2）存储为多维数组，需要在for循环中反复求和，类似于：

function randomTensor(M,N)
    T = fill( zeros( M, M, M, M) , N)
    for i in 1 : N
        Ti = rand( M, M, M, M)
        T[i] += Ti
    end
    return T
end

我是Julia的新手（事实上，我只是在一个特定的项目中使用它，我需要一些Julia模块），所以我对变量类型等只有一般的理解，直到现在我还不能定义我的张量，如果不是一般数组的话。我想要一个在前面的链接中提出的解决方案，他们使用

Matrix{Float64}[]

来定义变量，但显然这只适用于一维或二维数组。也不能使用元组，因为我需要对值求和。对于不同的实现有什么建议吗

提前谢谢大家

---

编辑：我发布的示例代码只是一个与我的代码结构相同的示例，我对生成和求和随机数不感兴趣：）

---

换句话说，我的问题是：有没有比数组{Float，N}更好的变量类型来执行操作（例如，张量乘以标量…）或者对内存有“更好的访问能力”？

问题是什么还不清楚。您的功能相当于：

randomTensor(M,N) = [rand(M, M, M, M) for i in 1:N]

---

你是说这太慢了？大部分时间应该用于创建随机数和为输出分配内存。

根据

M

的大小，您可能会注意到使用

+=

而不是

+=

的一些优势。原因是

x+=y

完全等同于

x=x+y

，包括分配一个新数组来保存结果。相反，

x.+=y

已就位。您可以通过以下方式自己看到这一点：

julia> a = [1,2,3]
3-element Vector{Int64}:
 1
 2
 3

julia> pointer(a)
Ptr{Int64} @0x00007fa007d2c980

julia> a += a
3-element Vector{Int64}:
 2
 4
 6

julia> pointer(a)
Ptr{Int64} @0x00007fa02a06eac0   # different pointer means new memory was allocated

julia> a .+= a
3-element Vector{Int64}:
  4
  8
 12

julia> pointer(a)
Ptr{Int64} @0x00007fa02a06eac0   # same pointer means memory re-use

---

这不是一个答案，我同意克里斯托弗的回答，但请注意，在您链接的答案中，问题是数组被实例化为

Array[]

，这意味着它们没有类型。在您的例子中，

zero（M，M，M，M）

返回一个

数组{Float64，4}

，因此是一个包含

Float64

（类型化）元素的四维数组。当N占主导地位，且M很小时，您可以通过创建一个

randn（M^4*N）

数组并查看其重塑部分来节省一些时间。但是当M达到任何非小的大小时，

rand

将占主导地位。我发布的示例代码只是一个具有相同代码结构的示例，我对生成和求和随机数不感兴趣：）换句话说，我的问题是：是否有比数组{Float，N}更好的变量类型来执行操作（例如张量乘以标量…）或对内存有“更好的访问”的？