Php 矩阵向量乘法的快速实现[并行计算]

我有一个用php编写的执行矩阵向量乘法的代码

下面是一个片段：

for($i = 0; $i < sizeof($transposed_matrix); $i++) {
            $vector[$i] = 0;
            for($j = 0; $j < sizeof($new_vector); $j++) {
                $vector[$i] += ($transposed_matrix[$i][$j] * $new_vector[$j]);
            }
        }

for（$i=0；$i

---

我想知道是否有任何方法可以让这段代码运行得更快

一个优化是在

之前对
进行计数：

$size = sizeof($transposed_matrix);
$size2 = sizeof($new_vector);
for($i = 0; $i < $size; $i++) {
    $vector[$i] = 0;        
    for($j = 0; $j < $size2; $j++) {
        $vector[$i] += ($transposed_matrix[$i][$j] * $new_vector[$j]);
    }
}

$size=sizeof（$transposed\u矩阵）；
$size2=sizeof（$new_向量）；
对于（$i=0；$i<$size；$i++）{
$vector[$i]=0；
对于（$j=0；$j<$size2；$j++）{
$vector[$i]+=（$transposed_矩阵[$i][$j]*$new_向量[$j]）；
}
}
PHP没有为某些严重的优化提供足够的控制。所建议的改进可能会产生相对较小的影响，除非您将巨大的矩阵和向量相乘（在这种情况下，您首先不应该使用PHP）

除了预计算大小和使用计数器的预增量（如Tjoene所建议的），在内部循环中使用临时变量求和，如下所示：

$sum = 0;
for ($j = 0; $j < $numCols; ++$j) {
    $sum += $matrix[$i][$j] * $vector[$j];
}
$vector[$i] = $sum;

$sum=0；
对于（$j=0；$j<$numCols；++$j）{
$sum+=$matrix[$i][$j]*$vector[$j]；
}
$vector[$i]=$sum；

这将避免在$vector中多次计算正确的目标位置

通过将矩阵数据存储在单个平面阵列中，而不是使用嵌套结构，可能可以获得最大的性能增益。只需将矩阵的行连接起来，就可以使用单个索引遍历其元素，如下所示：

for ($i = 0, $n = 0; $i < $numRows; ++$i, ++$n)
{
    $sum = 0;
    for ($j = 0; $j < $numCols; ++$j) {
        $sum += $matrix[$n] * $vector[$j];
    }
    $vector[$i] = $sum;
}

for（$i=0，$n=0；$i<$numRows；++$i，++$n）
{
$sum=0；
对于（$j=0；$j<$numCols；++$j）{
$sum+=$matrix[$n]*$vector[$j]；
}
$vector[$i]=$sum；
}

当然，如果在实际乘法之前不必转换为这种矩阵布局，这只会加快速度

如果不想更改矩阵布局，可以通过在外部循环中使用
foreach
检索矩阵的行来加快速度。但是，请注意，这将按这些行数组添加到矩阵的顺序迭代行集合！如果矩阵和向量之间的顺序不同，则结果都是错误的。所以，这可能不是一件可靠的事情，因为它很容易就打破了

哦，你可以尝试部分地展开循环。
PHP数组有一种缓慢的趋势，这是散列机制的功劳。如果有办法预先确定向量的大小，可以展开循环并避免使用数组。如果您的代码是整个代码，这对您没有帮助，因为
$transposed_matrix
中的每个项目只命中一次，您可以使用Atze Kaputnik概述的
$sum
技术减少
$vector
上的命中次数。因此，您将把数组参数中的内容复制到局部变量，然后计算并复制回。。。这将大大降低性能增益

最后，您所能做的就是切换到一种完全不同的优化方法：类似于JIT编译器或编译语言的JIT编译器。C中的同一个循环可能会以10到100倍的速度运行，减去分叉该进程的时间。
将sizeof（）存储在循环外部的变量中。因为每次循环都会调用sizeof（）。另外，使用+++$i代替$i++。增量前比增量后快。如果您想做高性能的算术，请选择PHP以外的语言。从一个缓慢的语言开始就是在攻击你自己的脚。（你可以从PHP调用C）。谢谢。我现在正在尝试将PHP与C/JAVA/Scilab连接起来。我现在正在尝试将PHP与C/JAVA/Scilab连接起来。如果性能真的很重要，请使用C。首先，有多个高度优化的并行处理库可用。不过，主要原因是，从PHP派生C调用比派生Java客户机带来的开销要少得多。我没有使用Scilab的经验，但我希望它的效率也低于C。Edit：我刚刚发现，您可以从PHP调用C DLL，而无需任何分叉。这可能是最有希望的途径。