speed matlab.docx

speed matlab.docx

《speed matlab.docx》由会员分享，可在线阅读，更多相关《speed matlab.docx（8页珍藏版）》请在冰点文库上搜索。

speedmatlab

加速matlab运行的三重境界

一、遵守PerformanceAcceleration的规则

二、遵守三条规则

三、绝招

一、遵守PerformanceAcceleration

　　其规则总结如下7条：

1、只有使用以下数据类型，matlab才会对其加速：

　　logical,char,int8,uint8,int16,uint16,int32,uint32,double

而语句中如果使用了非以上的数据类型则不会加速，如：

numeric,cell,structure,single,function,handle,java,classes,userclasses,

int64,uint64

　　2、matlab不会对超过三维的数组进行加速。

　　3、当使用for循环时，只有遵守以下规则才会被加速：

　　a、for循环的范围只用标量值来表示；

　　b、for循环内部的每一条语句都要满足上面的两条规则，即只使用支持加速的数据类型，只使用三维以下的数组；

　　c、循环内只调用了内建函数（build-infunction）。

　　4、当使用if、elseif、while和switch时，其条件测试语句中只使用了标量值时，将加速运行。

　　5、不要在一行中写入多条操作，这样会减慢运行速度。

即不要有这样的语句：

　　x=a.name;fork=1:

10000,sin（A（k））,end;

　　6、当某条操作改变了原来变量的数据类型或形状（大小，维数）时将会减慢运行速度。

　　7、应该这样使用复常量x=7+2i，而不应该这样使用：

x=7+2*i,后者会降低运行速度。

二、遵守三条规则

1、尽量避免使用循环,MATLAB的文档中写到

a、尽量用向量化的运算来代替循环操作

最常用的使用vectorizing技术的函数有：

All、diff、ipermute、permute、reshape、squeeze、any、find、logical、prod、shiftdim、sub2ind、cumsum、ind2sub、ndgrid、repmat、sort、sum等。

b、在必须使用多重循环时下，如果两个循环执行的次数不同，则在循环的外环执行循环次数少的，内环执行循环次数多的。

这样可以显著提高速度。

a、预分配矩阵空间，即事先确定变量的大小，维数。

这一类的函数有zeros、ones、cell、struct、repmat等。

　　b、当要预分配一个非double型变量时使用repmat函数以加速，如将以下代码：

　　A=int8（zeros（100））;

　　换成：

　　A=repmat（int8（0）,100,100）;

3、

　　a、优先使用matlab内建函数，将耗时的循环编写进MEX-File中以获得加速。

　　b、使用Functions而不是Scripts

三、绝招

　　1、改用更有效的算法

　　2、采用Mex技术，或者利用matlab提供的工具将程序转化为C语言、Fortran语言。

Profile（分析）

在加速你的matlab程序之前，你需要知道你的代码哪一部分运行最慢。

matlab提供个简单的机制，让你能够知道你的代码的某一部分运行所占用CPU时间。

通过在代码段开始添加tic，及在结束添加toc；matlab就能计算出这一代码段的运行时间。

Tic和toc方法存在两个问题：

（1）显示的时间是运行时间“wallclock”。

这个时间受你在运行你的代码时，你的计算机是否同时运行其它别的程序。

（2）你需要不断地压缩计时范围来查找你代码运行最慢的位置。

一个最好的方法是利用matlab内嵌的代码分析器。

在你的程序前面通过添加命令profileon;及在程序结束添加profileviewer;并运行你的程序。

当程序正常运行结束时，代码分析器窗口将弹出，并显示分析结果。

它包含的信息有：

FunctionName:

函数名；

Calls:

函数被调用次数；

TotalTime:

执行该函数的CPU总用时，包含任何其它被它调用的函数的CPU时间。

SelfTime:

执行该函数的CUP总用时，不包含任何其它被它调用的函数的CUP时间。

TotalTimePlot:

时间用时的曲线图。

以上信息可进行各种排序和详细查看。

注意：

当你完成你的代码分析后，请删除profileon和profileviewer，因为嵌入代码分析器会使用的程序运行变慢。

标准提示

☆有问题找帮助文档。

学会使用帮助文档，学会针对待解决的问题检索文档资料。

☆性能

查看MATLAB->Programming->ImprovingPerformaceandMemoryUsage;或MATLAB->ProgrammingFundamentals->Performace->TechniquesforImproveingPerformace。

多线程

如果你使用的是多核心的计算机，那么你就可以让Matlab同时运行多个线程，Matlab程序中一些底层的函数（Low-levelfunction）就有可能采用并行计算的方法。

打开多线程的方法：

File->Preferences选择General->Multithreading。

扣选Enablemultihreadcomputationbox。

如果不限制使用核心的数目，可以保留使用Automatic。

注意：

MatlabR2008a之前的版本在AMD处理器上是不支持多线程的。

向量化循环

Matlab的运算是针对向量（矢量）和矩阵进行设计的，因此它在向量和矩阵上的运算速度比采用循环的方式更快。

例如：

index=0;

fortime=0:

0.001:

60;

index=index+1;

waveForm（index）=cos（time）;

end;

采用以下代码可加快速度。

Time=0:

0.01:

60;

waveForm=cos（time）;

一些有用的，可用于代替循环的函数：

any（）;size（）;find（）;cumsum（）;sum（）;

向量预分配

Matlab采用内存中一块连续的空间来存储向量和矩阵数据，而不是用链表。

这就意味着你每给向量或矩阵增加一元素，Matlab需要寻找一块足够大的内存区域来存储这个扩大后的向量或矩阵，然后复制现有的数据到新的内存区域。

在循环中增加向量或矩阵元素的元数是允许的，但并不是明智之举，而应该是一次性分配向量或矩阵的大小，或一次性重定义尺寸。

Results=0;

forindex=2:

1000;

results（index）=results（index-1）+index;

end

上述代码将比以下代码速度慢：

results=zeros（1,1000）;

forindex=2:

1000;

results（kindex）=results（kindex-1）+index;

end;

注意：

当你需要用zeros（）来创建一个指定数据类型的向量或矩阵时，你可以使用创建参数来指定类型，而不是“重铸”。

results=int8（zeros（1,1000））;将创建一个有1000个元素的double型零向量，然后把它转换成int8类型。

如果我们使用results=zeros（1,1000,'int8'）;Matlab将支持建立1000个int8类型的向量，在创建可实现性及速度上将更具有优势。

不要改变数据类型

Matlab为了能够支持宽松的数据类型（例如一个变量能够存储不同类型的数据，而不是指定它为特定的数据类型），则Matlab除了存储单纯的数据之外，还需要伴随数据存储一定数量的头信息（header），这就意味着需要内存空间支存储数据类型，同时意味需要在数据类型转换上支付额外的计算机资源开支。

对于实数据使用　real...函数。

Matlab中的一些函数能够同时适用于实类型数据和复类型数据。

如果你只使用实数据，那么采用特定的版本的，非复数据函数，那么它运行的速度将变得更快。

这些函数如：

reallog（）,realpow（）,realsqrt（）。

使用“短路”逻辑操作

Matlab的“短路”逻辑操作可以在判断条件达到充分条件后就停止计算处理，而不需要知道判断所有条件。

例如：

if（index>=3）&&（data（index）==5）;当index小于3时，第二个条件判断将不被处理，这样就少了去判断data（index）==5）的时间，提高速度。

使用函数指针

Matlab的一些函数使用函数名作用参数，常用一个变量支保存这个函数名字符串（）如：

func='tan';然后用这个变量作为函数的参数：

fzero（func,0））。

这种方法对于简单的函数调用是很好的，但是对于在循环中的重复调用就存在两个问题：

（1）在每一个循环中，Matlab需要去搜索这个函数的路径（如tan），这需要花费时间。

（2）在循环过程中，路径可能会改变。

这会保证在这一次循环中，某个版本的函数（如tan）被首先调用，而下一次循环中这个版本的函数又被首先调用，最终会造成结果不一致。

解决的办法是使用文件指针（func=@tan;或func=@sin）,它能返回函数唯一的识别码。

调用方式同上。

文件I／O

通常高级输入输出操作（load（）和save（））比一般的低级操作（fread（）和fwrite（））快。

☆内存使用

关于内存的使用可查看帮助文档UsingMenoryEfficently。

可查与MemoryUsage相关的信息。

一定记注：

可以使用whos（）来查看数据变量占有用的内存空间大小。

复制数组

当你复制一个数组时，Matlab开始只复制一个指向数据的一个指针，仅当你随后对任一版本进行修时，数据的复制才真正的执行。

这种操作包括数组作为函数参数进行传递的情况－作为值传递的参数传递，而不是作为参考的传递。

因此，你应该尽量避开对大数组进行小改动的操作。

数据不用时，释放内存

如果一个变量以后已经不再使用，那么你可以删除它clearVariableName;则这个小块的数据将可以重用。

注意：

如果各变量在内存是连续的，则Matlab很容易重用这些大块的内存，因此最好是先建立大的变量，后再建立小的变量，并且把它们组合起来。

结构体存储

上文已经提到，在Matlab中的变量包含有描述数据类型的头信息。

对于一个结构体，则有一个描述整个结构的头信息，及每个元素也分别有一个头信息。

为了最小化地使用内存，我们应该小心地使用混合数据类型的数组和结构。

例如：

pixel.red（1:

600,1:

400）

pixel.grn（1:

600,1:

400）

pixel.blu（1:

600,1:

400）

则我们就需要存储4个头信息。

而：

pixel（1:

600,1:

400）.red

pixel（1:

600,1:

400）.grn

pixel（1:

600,1:

400）.blu

我们就有720001个头信息。

使用最小的合适的数据类型

为了减小内存使用量，对于特定的运算经常使用最小的数据类型。

例如：

（1）对于虚部为零的数据，最好不要用complex去存储。

（2）如果精度足够，可采用single变量，而不用double。

（3）使用uint16来进行计数操作，它能存储值为0到65535。

但它比默认的double型省一半的内存。

使用稀疏矩阵

如果矩阵绝大多的数据为零值，可以把它转化成稀疏形式（使用sparse（）函数）。

它将只存储非零数据的数值和索引。

因为需要额外的存储数据的索引，因此只有二维数据的零值大约超过75％时，这种方法才是有效的，否则稀疏形式反而需要更多的内存空间。

☆并行循环

如果从一个for循环的外部看，for循环满足以下标准：

（1）循环的计数是整数；

（2）每次循环都是独立的；

（3）计算循环先后顺序无关。

那么这个for循环就有可能可以替换成parfor循环（matlab2008a中可用优化算打开并行通信池：

parfor循环包含于matlabpoolopen和matlabpoolclose之间）。

注意：

打开一个并行工作池workerpool大约需要10-15秒钟，关闭一个工作池大概需要5秒钟。

计算这个时间在内，这个方法对于循环时间超过30秒的情况才是值得的。