Performance 通过空矩阵乘法初始化数组的更快方法?(Matlab)
在我看来,我偶然发现了Matlab处理问题的奇怪方式。例如,如果两个空矩阵相乘,结果为:Performance 通过空矩阵乘法初始化数组的更快方法?(Matlab),performance,matlab,initialization,matrix-multiplication,Performance,Matlab,Initialization,Matrix Multiplication,在我看来,我偶然发现了Matlab处理问题的奇怪方式。例如,如果两个空矩阵相乘,结果为: zeros(3,0)*zeros(0,3) ans = 0 0 0 0 0 0 0 0 0 现在,这已经让我惊讶了,然而,快速搜索让我找到了上面的链接,我得到了关于为什么会发生这种情况的有点扭曲的逻辑的解释 然而,我对下面的观察毫无准备。我问自己,与仅仅使用zero(n)函数相比,这种乘法的效率有多高,比如说为了初始化?我曾经回答过这个问题: f=@
zeros(3,0)*zeros(0,3)
ans =
0 0 0
0 0 0
0 0 0
现在,这已经让我惊讶了,然而,快速搜索让我找到了上面的链接,我得到了关于为什么会发生这种情况的有点扭曲的逻辑的解释
然而,我对下面的观察毫无准备。我问自己,与仅仅使用zero(n)
函数相比,这种乘法的效率有多高,比如说为了初始化?我曾经回答过这个问题:
f=@() zeros(1000)
timeit(f)
ans =
0.0033
vs:
两者都具有相同的1000x1000类零矩阵的结果double
,但空矩阵乘法1快约350倍!(使用tic
和toc
以及一个循环,也会产生类似的结果)
这怎么可能?是timeit
还是tic,toc
虚张声势,还是我找到了一种更快的方法来初始化矩阵?
(这是在win7-64机器、intel-i5 650 3.2Ghz…)上使用matlab 2012a完成的)
编辑:
在阅读了您的反馈之后,我更仔细地研究了这一特性,并在两台不同的计算机上测试了一段代码(尽管是2012a版的matlab),该代码检查了运行时间与矩阵n大小的关系。这就是我得到的:
生成此代码的代码与以前一样使用了timeit
,但是带有tic
和toc
的循环看起来是一样的。因此,对于小尺寸,zero(n)
是可比较的。然而,在n=400左右,空矩阵乘法的性能有了飞跃。我用来生成该绘图的代码是:
n=unique(round(logspace(0,4,200)));
for k=1:length(n)
f=@() zeros(n(k));
t1(k)=timeit(f);
g=@() zeros(n(k),0)*zeros(0,n(k));
t2(k)=timeit(g);
end
loglog(n,t1,'b',n,t2,'r');
legend('zeros(n)','zeros(n,0)*zeros(0,n)',2);
xlabel('matrix size (n)'); ylabel('time [sec]');
你们中有人也有这种经历吗
编辑#2:
顺便提一下,不需要空矩阵乘法来获得这种效果。我们可以简单地做到:
z(n,n)=0;
其中n>前一个图中所示的一些阈值矩阵大小,并获得与空矩阵乘法(再次使用timeit)相同的精确的效率曲线
下面是一个提高代码效率的示例:
n = 1e4;
clear z1
tic
z1 = zeros( n );
for cc = 1 : n
z1(:,cc)=cc;
end
toc % Elapsed time is 0.445780 seconds.
%%
clear z0
tic
z0 = zeros(n,0)*zeros(0,n);
for cc = 1 : n
z0(:,cc)=cc;
end
toc % Elapsed time is 0.297953 seconds.
然而,使用z(n,n)=0相反,code>产生的结果与零(n)
情况类似。这很奇怪,我看到f比你看到的快,而g比你看到的慢。但对我来说,它们都是一样的。也许是不同版本的MATLAB
>> g = @() zeros(1000, 0) * zeros(0, 1000);
>> f = @() zeros(1000)
f =
@()zeros(1000)
>> timeit(f)
ans =
8.5019e-04
>> timeit(f)
ans =
8.4627e-04
>> timeit(g)
ans =
8.4627e-04
编辑你能在f和g的末尾加上+1吗,看看你得到的时间是多少
编辑2013年1月6日美国东部时间7:42
我正在远程使用一台机器,对于低质量的图形(不得不盲目生成)感到抱歉
机器配置:
I7920。2.653千兆赫。Linux。12GB内存。8MB缓存
看起来,即使是我接触过的机器也显示出这种行为,除了更大的尺寸(1979年到2073年之间)。我现在想不出有什么理由可以让空矩阵乘法在更大的尺寸下更快
回来之前我会再调查一下
编辑2013年1月11日
在@EitanT的帖子发布后,我想再做一点挖掘。我写了一些C代码来看看matlab是如何创建一个零矩阵的。这是我使用的C++代码。< /P>
int main(int argc, char **argv)
{
for (int i = 1975; i <= 2100; i+=25) {
timer::start();
double *foo = (double *)malloc(i * i * sizeof(double));
for (int k = 0; k < i * i; k++) foo[k] = 0;
double mftime = timer::stop();
free(foo);
timer::start();
double *bar = (double *)malloc(i * i * sizeof(double));
memset(bar, 0, i * i * sizeof(double));
double mmtime = timer::stop();
free(bar);
timer::start();
double *baz = (double *)calloc(i * i, sizeof(double));
double catime = timer::stop();
free(baz);
printf("%d, %lf, %lf, %lf\n", i, mftime, mmtime, catime);
}
}
如您所见,calloc(第4列)似乎是最快的方法。从2025年到2050年,它的速度也显著加快(我想大概是2048年左右吧?)
现在我回到matlab去检查同样的问题。以下是结果
$ ./test
1975, 0.013812, 0.013578, 0.003321
2000, 0.014144, 0.013879, 0.003408
2025, 0.014396, 0.014219, 0.003490
2050, 0.014732, 0.013784, 0.000043
2075, 0.015022, 0.014122, 0.000045
2100, 0.014606, 0.014480, 0.000045
>> test
1975, 0.003296, 0.003297
2000, 0.003377, 0.003385
2025, 0.003465, 0.003464
2050, 0.015987, 0.000019
2075, 0.016373, 0.000019
2100, 0.016762, 0.000020
看起来f()和g()都在使用更小尺寸的calloc
(在做了一些研究后,我在中发现,其中已经得出结论,使用zero(M,N)
确实不是最有效的方法
他对x=zeros(M,N)
与clear x,x(M,N)=0进行计时,发现后者快约500倍。根据他的解释,第二种方法只是创建一个M-by-N矩阵,其元素自动初始化为0。然而,第一种方法创建x
(使用具有自动零元素的x
),然后再次为x
中的每个元素分配一个零,这是一个需要更多时间的冗余操作
在空矩阵乘法的情况下,如您在问题中所示,MATLAB希望乘积为M×N矩阵,因此分配M×N矩阵。因此,输出矩阵自动初始化为零。由于原始矩阵为空,因此不执行进一步的计算,因此el输出矩阵中的元素保持不变并等于零。有趣的问题是,显然有几种方法可以“击败”内置的zero
函数。我对发生这种情况的唯一猜测是,它可以更高效地使用内存(毕竟,zero(LargeNumer)
将更快地导致Matlab达到内存限制,而不是形成速度瓶颈(在大多数代码中),或者以某种方式更加健壮
这里是另一种使用稀疏矩阵的快速分配方法,我添加了常规零函数作为基准:
tic; x=zeros(1000,1000); toc
Elapsed time is 0.002863 seconds.
tic; clear x; x(1000,1000)=0; toc
Elapsed time is 0.000282 seconds.
tic; x=full(spalloc(1000,1000,0)); toc
Elapsed time is 0.000273 seconds.
tic; x=spalloc(1000,1000,1000000); toc %Is this the same for practical purposes?
Elapsed time is 0.000281 seconds.
结果可能有点误导。当您将两个空矩阵相乘时,生成的矩阵不会立即“分配”和“初始化”,而是推迟到您第一次使用它(有点像延迟计算)
当变量越界时也同样适用,在数值数组的情况下,它用零填充任何缺少的条目(我在后面讨论非数值情况)。当然,以这种方式增长矩阵不会覆盖现有元素
因此,虽然它看起来更快,但您只是将分配时间延迟到您实际第一次使用矩阵。最终,您将有类似的时间安排,就像您从一开始就进行分配一样
显示t的示例
tic; x=zeros(1000,1000); toc
Elapsed time is 0.002863 seconds.
tic; clear x; x(1000,1000)=0; toc
Elapsed time is 0.000282 seconds.
tic; x=full(spalloc(1000,1000,0)); toc
Elapsed time is 0.000273 seconds.
tic; x=spalloc(1000,1000,1000000); toc %Is this the same for practical purposes?
Elapsed time is 0.000281 seconds.
N = 1000;
clear z
tic, z = zeros(N,N); toc
tic, z = z + 1; toc
assert(isequal(z,ones(N)))
clear z
tic, z = zeros(N,0)*zeros(0,N); toc
tic, z = z + 1; toc
assert(isequal(z,ones(N)))
clear z
tic, z(N,N) = 0; toc
tic, z = z + 1; toc
assert(isequal(z,ones(N)))
clear z
tic, z = full(spalloc(N,N,0)); toc
tic, z = z + 1; toc
assert(isequal(z,ones(N)))
clear z
tic, z(1:N,1:N) = 0; toc
tic, z = z + 1; toc
assert(isequal(z,ones(N)))
clear z
val = 0;
tic, z = val(ones(N)); toc
tic, z = z + 1; toc
assert(isequal(z,ones(N)))
clear z
tic, z = repmat(0, [N N]); toc
tic, z = z + 1; toc
assert(isequal(z,ones(N)))
// zeros(N,N)
Elapsed time is 0.004525 seconds.
Elapsed time is 0.000792 seconds.
// zeros(N,0)*zeros(0,N)
Elapsed time is 0.000052 seconds.
Elapsed time is 0.004365 seconds.
// z(N,N) = 0
Elapsed time is 0.000053 seconds.
Elapsed time is 0.004119 seconds.
// full(spalloc(N,N,0))
Elapsed time is 0.001463 seconds.
Elapsed time is 0.003751 seconds.
// z(1:N,1:N) = 0
Elapsed time is 0.006820 seconds.
Elapsed time is 0.000647 seconds.
// val(ones(N))
Elapsed time is 0.034880 seconds.
Elapsed time is 0.000911 seconds.
// repmat(0, [N N])
Elapsed time is 0.001320 seconds.
Elapsed time is 0.003749 seconds.
N = 1000;
tic, a = cell(N,N); toc
tic, b = repmat({[]}, [N,N]); toc
tic, c{N,N} = []; toc
Elapsed time is 0.001245 seconds.
Elapsed time is 0.040698 seconds.
Elapsed time is 0.004846 seconds.
>> assert(isequal(a,b,c))
>> whos a b c
Name Size Bytes Class Attributes
a 1000x1000 8000000 cell
b 1000x1000 112000000 cell
c 1000x1000 8000104 cell
function compare_zeros_init()
iter = 100;
for N = 512.*(1:8)
% ZEROS(N,N)
t = zeros(iter,3);
for i=1:iter
clear z
tic, z = zeros(N,N); t(i,1) = toc;
tic, z(:) = 9; t(i,2) = toc;
tic, z = z + 1; t(i,3) = toc;
end
fprintf('N = %4d, ZEROS = %.9f\n', N, mean(sum(t,2)))
% z(N,N)=0
t = zeros(iter,3);
for i=1:iter
clear z
tic, z(N,N) = 0; t(i,1) = toc;
tic, z(:) = 9; t(i,2) = toc;
tic, z = z + 1; t(i,3) = toc;
end
fprintf('N = %4d, GROW = %.9f\n', N, mean(sum(t,2)))
% ZEROS(N,0)*ZEROS(0,N)
t = zeros(iter,3);
for i=1:iter
clear z
tic, z = zeros(N,0)*zeros(0,N); t(i,1) = toc;
tic, z(:) = 9; t(i,2) = toc;
tic, z = z + 1; t(i,3) = toc;
end
fprintf('N = %4d, MULT = %.9f\n\n', N, mean(sum(t,2)))
end
end
>> compare_zeros_init
N = 512, ZEROS = 0.001560168
N = 512, GROW = 0.001479991
N = 512, MULT = 0.001457031
N = 1024, ZEROS = 0.005744873
N = 1024, GROW = 0.005352638
N = 1024, MULT = 0.005359236
N = 1536, ZEROS = 0.011950846
N = 1536, GROW = 0.009051589
N = 1536, MULT = 0.008418878
N = 2048, ZEROS = 0.012154002
N = 2048, GROW = 0.010996315
N = 2048, MULT = 0.011002169
N = 2560, ZEROS = 0.017940950
N = 2560, GROW = 0.017641046
N = 2560, MULT = 0.017640323
N = 3072, ZEROS = 0.025657999
N = 3072, GROW = 0.025836506
N = 3072, MULT = 0.051533432
N = 3584, ZEROS = 0.074739924
N = 3584, GROW = 0.070486857
N = 3584, MULT = 0.072822335
N = 4096, ZEROS = 0.098791732
N = 4096, GROW = 0.095849788
N = 4096, MULT = 0.102148452