特征与MATLAB的绩效问题与ElementWise Operations

Question

单词：我首先复制列向量

init

填充矩阵

M

。然后，我将行矢量

r

元素乘以

M

并将

init

添加到它。
我的C ++版本看起来像这样：

RowVector<double, 5> r = { 1.0, 2.0, 3.0, 4.0, 5.0 };
Vector<double, 9> init = {};
init.setOnes();
Matrix<double, 9, 5> M = {};

std::chrono::steady_clock::time_point start = std::chrono::steady_clock::now();
for (int i = 0; i < 1E6; i++) {
    M = init.replicate(1, r.size());

    M.array().rowwise() *= r.array();
    M.array().colwise() += init.array();
}
std::chrono::steady_clock::time_point terminate = std::chrono::steady_clock::now();

std::cout << "Duration:" << std::chrono::duration_cast<std::chrono::milliseconds>(terminate - start).count() << "[ms]" << std::endl;

>> Duration:13130[ms]

MATLABS版本比我的C ++版本更聪明。我在做什么错？我想这可能与MATLAB使用的MKL有关。我也安装了MKL，在这种情况下似乎根本没有性能影响。

在您的代码中，

M = repmat(init, [1, length(r)]);
M = r.*M + init;

r.*M

与

r.*init

相同。向此添加一个

Answer 1

与首先提出

r

相同。因此，您的MATLAB代码与

相同

M = (r + 1) .* init;

该版本的快速速度大约是两倍。 

repmat

由于MATLAB引入了隐式单例扩展，因此几乎再也没有用。

这样的时间代码的正确方法非常快，就像这样使用的是：timeit：

r = [1, 2, 3, 4, 5];
init = ones(9, 1);
timeit(@() func1(r, init))
timeit(@() func2(r, init))

function M = func1(r, init)
M = repmat(init, [1, length(r)]);
M = r .* M + init;
end

function M = func2(r, init)
M = (r + 1) .* init;
end

nyway，我很确定在特征中复制此逻辑也会产生更快的代码。您需要使用

.array()

。

阵列，我们还可以使用操作员

*=，

/=

，*

和

/

执行系数乘法和划分列或行。这些操作员在矩阵上无法使用，因为尚不清楚他们会做什么。 [来自“广播”

]

但是，如果您的特征代码需要13秒的运行，那么您肯定会使用调试构建。您绝对不应该为调试构建时间（尤其是C ++代码），它们关闭大多数优化。借助特征，优化可以很容易地产生10倍甚至100倍的差异。