matlab中的嵌套循环矢量化与逐点乘法

长期读者，第一次调查者。因此，我目前遇到了以下代码的严重瓶颈：

for kk=1:KT
    parfor jj=1:KT
        umodes(kk,jj,:,:,:) = repmat(squeeze(psi(kk,jj,:,:)), [1,1,no_bands]).*squeeze(umodes(kk,jj,:,:,:));
    end
end

用简单的语言，我需要将多维数组“psi”平铺到另一个长度为“no_bands”的维度上，然后与矩阵“umodes”执行逐点乘法。问题是我使用的每个阵列都很大，大约20 GB或更大

我猜想，接下来发生的事情是，由于缓存限制或数据正在被分页，我的处理器会停止运行。我有理由相信，没有切实可行的方法来减少数组的大小，因此在这一点上，我试图将计算开销降至最低

如果这是不可能的，那么可能是时候考虑使用适当的编程语言了，在这种语言中，我可以强制执行按引用传递，以避免不必要的阵列复制。

通常比repmat使用更少的内存。因此，您可以尝试：

for kk=1:KT
    parfor jj=1:KT
        umodes(kk,jj,:,:,:) = bsxfun(@times, squeeze(psi(kk,jj,:,:)), squeeze(umodes(kk,jj,:,:,:)));
    end
end

或者可以将这两个循环矢量化。矢量化通常更快，但不一定更节省内存，所以我不确定它对您的情况是否有帮助。在任何情况下，bsxfun：

---

您使用的是本地工人还是分布式工人？对于本地工作人员，我假设此代码使用普通For运行得更快，因为您使用的大多数函数可能都是使用多个核心实现的。如果你没有足够的内存，矢量化是没有帮助的。嗨，丹尼尔，答案是本地的。那么，你是说，我试图通过将所有的东西都分配到多个核来变得聪明，这实际上妨碍了matlab完成它的工作？你能做一个运行求和，并且只对被乘以的矩阵的分量进行索引吗？如果矩阵中没有唯一的数据，为什么要使用存储冗余信息的内存，对吗？这看起来像是卷积的表亲。您是否考虑过尝试使用fft来实现这一部分？谢谢你，路易斯。有一个函数是这样工作的，这真是令人毛骨悚然，但哦，好吧，这就是Matlab。你是说bsxfun吗？是的，几个月前我发现它时，它给我留下了深刻的印象

umodes = bsxfun(@times, psi, umodes);