Performance 如何使用3个for循环提高matlab操作的性能?
我正在尝试提高以下代码计算的速度:Performance 如何使用3个for循环提高matlab操作的性能?,performance,matlab,for-loop,vectorization,Performance,Matlab,For Loop,Vectorization,我正在尝试提高以下代码计算的速度: for i=1:5440 for j=1:46 for k= 1:2 pol(i,j,k)= kr0*exp(0.8*k*0.1)*(abs((I(i)*exp(-0.1*j*2.5))^0.9)+0.0); end end end 其中,I是一个具有5440个值的向量 有没有办法避免三个for循环并提高此操作的速度?。我找不到正确的解决办法 感谢使用bsxfun进行矢量化 f1 = @(a,b) (abs((a.*exp(-0.1*
for i=1:5440
for j=1:46
for k= 1:2
pol(i,j,k)= kr0*exp(0.8*k*0.1)*(abs((I(i)*exp(-0.1*j*2.5))^0.9)+0.0);
end
end
end
其中,I
是一个具有5440个值的向量
有没有办法避免三个for循环并提高此操作的速度?。我找不到正确的解决办法
感谢使用
bsxfun
进行矢量化
f1 = @(a,b) (abs((a.*exp(-0.1*b*2.5)).^0.9)+0.0);
f2 = @(c,d) kr0*exp(0.8*c*0.1).*d;
pol = bsxfun(f2, permute(1:2, [3 1 2]), bsxfun(f1, I(:), 1:46));
请注意,由于数组1:2
位于三维,我们需要permute
将大小为1x2
的矩阵转换为大小为1x1x2
的矩阵
这里有一个比较基准
kr0=1;
I=rand(5440,1);
[pol0, pol] = deal(zeros(5440, 46, 2));
tic
for mm = 1:10,
for i=1:5440
for j=1:46
for k= 1:2
pol0(i,j,k)= kr0*exp(0.8*k*0.1)*(abs((I(i)*exp(-0.1*j*2.5))^0.9)+0.0);
end
end
end
end
toc
tic
for mm=1:10
f1 = @(a,b) (abs((a.*exp(-0.1*b*2.5)).^0.9)+0.0);
f2 = @(c,d) kr0*exp(0.8*c*0.1).*d;
pol = bsxfun(f2, permute(1:2, [3 1 2]), bsxfun(f1, I(:), 1:46));
end
toc
isequal(pol0,pol)
返回
Elapsed time is 1.665443 seconds.
Elapsed time is 0.306089 seconds.
ans =
1
速度快5倍以上,结果相同。使用
bsxfun
进行矢量化
f1 = @(a,b) (abs((a.*exp(-0.1*b*2.5)).^0.9)+0.0);
f2 = @(c,d) kr0*exp(0.8*c*0.1).*d;
pol = bsxfun(f2, permute(1:2, [3 1 2]), bsxfun(f1, I(:), 1:46));
请注意,由于数组1:2
位于三维,我们需要permute
将大小为1x2
的矩阵转换为大小为1x1x2
的矩阵
这里有一个比较基准
kr0=1;
I=rand(5440,1);
[pol0, pol] = deal(zeros(5440, 46, 2));
tic
for mm = 1:10,
for i=1:5440
for j=1:46
for k= 1:2
pol0(i,j,k)= kr0*exp(0.8*k*0.1)*(abs((I(i)*exp(-0.1*j*2.5))^0.9)+0.0);
end
end
end
end
toc
tic
for mm=1:10
f1 = @(a,b) (abs((a.*exp(-0.1*b*2.5)).^0.9)+0.0);
f2 = @(c,d) kr0*exp(0.8*c*0.1).*d;
pol = bsxfun(f2, permute(1:2, [3 1 2]), bsxfun(f1, I(:), 1:46));
end
toc
isequal(pol0,pol)
返回
Elapsed time is 1.665443 seconds.
Elapsed time is 0.306089 seconds.
ans =
1
速度快5倍以上,结果相同。怎么样:
[i,j,k] = ndgrid(1:5440,1:46,1:2);
pol = kr0*exp(0.8*k*0.1) .* ( abs((I(i).*exp(-0.1*j*2.5)).^0.9) + 0.0);
那么:
[i,j,k] = ndgrid(1:5440,1:46,1:2);
pol = kr0*exp(0.8*k*0.1) .* ( abs((I(i).*exp(-0.1*j*2.5)).^0.9) + 0.0);
MATLAB是以列为主的,所以如果你想保持循环,你应该能够通过以k,j,i顺序而不是i,j,k循环你的变量来获得一些速度 MATLAB是以列为主的,因此如果您想保持循环,您应该能够通过将变量按k,j,i顺序而不是i,j,k顺序循环来提高速度 如果您还没有这样做,初始化3D阵列
pol
将有所帮助<代码>pol=零(5440,46,2)代码>如果尚未执行此操作,则初始化3D阵列pol
将有所帮助<代码>pol=零(5440,46,2)代码>比原始方法可读性强,速度快,但比bsxfun
慢。确实,您的方法比我的机器上的上述方法快3倍左右。我得到:0.1181、0.0151、0.0382
秒(对应于三重循环、bsxfun、ndgrid方法):这是可以理解的,因为您的方法需要填充三个大矩阵I
、j
和k
,并在进行计算时对它们的所有元素进行索引。但是,由于bsxfun
需要分离维度,因此它仍然不太容易出错。我已经尝试了两种解决方案,我将使用这一种。我发现这对我来说比较容易,而且计算速度的提高也足够了。这些天,我将更改所有程序,并发布更改前后的总计算时间报告(超过30分钟)。我几乎更改了所有循环,新的计算时间约为200秒。我将尝试更改所有其他循环以进一步缩短时间。比原始方法可读性更强、速度更快,但比bsxfun
慢。确实,您的方法比我机器上的上述方法快约3倍。我得到:0.1181、0.0151、0.0382
秒(对应于三重循环、bsxfun、ndgrid方法):这是可以理解的,因为您的方法需要填充三个大矩阵I
、j
和k
,并在进行计算时对它们的所有元素进行索引。但是,由于bsxfun
需要分离维度,因此它仍然不太容易出错。我已经尝试了两种解决方案,我将使用这一种。我发现这对我来说比较容易,而且计算速度的提高也足够了。这些天,我将更改所有程序,并发布更改前后的总计算时间报告(超过30分钟)。我几乎更改了所有循环,新的计算时间约为200秒。我将尝试更改所有其他循环以进一步缩短时间。