Matlab 重塑海量数据时提高循环性能

这是上一个问题的延伸问题。我正在根据下面的代码重塑数据。然而，当数据大小增加时，

in=rand（2910811920），上一个问题的答案（预分配）无法处理，MATLAB甚至冻结了整个笔记本电脑。因此，正如Teddy在最后一个问题中所建议的那样，我将打开一个新问题来提高循环的性能

可以找到一些非常相似但不相似的问题。因此，给出的答案建议将循环修改为列式。然而，由于我的循环需要同时访问行和列，所以答案似乎不适用于我的情况

是否仍可以修改此循环以提高其性能？或者这个循环可以在不冻结整个笔记本电脑的情况下完成吗？如果可能，不涉及GPU

in=rand(291081,1920);
m=581;
[R,C]=size(in); 
R_out=R/m; 

out=zeros(m*C,R_out);
for k=1:m %from row 1 to nth row
    for i=1:C %reshape every column of nth row
        out(i+C*(k-1),:) = in(k:m:end,i)';
    end
end

p/S：在前面的问题中，当数据大小变大时，循环和
arrayfun
似乎没有太大的性能差异

提前谢谢
 您可以创建矩阵，使其只包含
R\u out
列

% Input
in=rand(291081,1920);
m=581;
[R,C]=size(in); 
R_out=R/m; 

% Reshape
out = reshape(in.', [], R_out);

此操作所需的大部分时间是由矩阵中
的换位引起的。因此，为了进一步加速upp，您可以尝试收集/馈送数据，使其已被转置，然后只需进行重塑。
首先，感谢您提供的答案，这启发了这个答案。似乎使用重塑是迄今为止处理海量数据最有效的方法。因此，为了避免使用建议的转置，使用了
permute
和
reformate
，如下所示

out=重塑（排列（重塑（in，m，R_-out，[]），[1,3,2]），[]，R_-out）

这是迄今为止最快的重塑方式

如果没有更好的答案，我会把这个标记为答案