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。
![speed matlab.docx](https://file1.bingdoc.com/fileroot1/2023-5/15/f7c1e14a-492a-4461-b588-ec4da005d4f8/f7c1e14a-492a-4461-b588-ec4da005d4f81.gif)
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。