本文探讨了在Matlab中使用不同方法预设空矩阵并初始化数组的效率，包括直接使用`zeros`、空矩阵乘法、动态增长等。实验结果显示，虽然空矩阵乘法在初期看似更快，但实际分配时间会被推迟到首次使用时，与其他方法的总时间相近。文章还涉及了内存分配、单元格数组和结构数组的行为，以及未记录的函数`mxFastZeros`。
结果可能会产生误导。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”，而是会推迟到您第一次使用它时(有点像惰性计算)。
当索引超出范围以增长变量时，情况也是如此，在数字数组的情况下，该变量将用零填充所有缺失的条目(我将在后面讨论非数字的情况)。当然，以这种方式生长矩阵不会覆盖现有元素。
因此，虽然看起来更快，但是您只是在延迟分配时间，直到您真正开始使用矩阵。最后，您将拥有与开始时一样的分配时间。
与其他几种选择相比，展示此行为的示例：
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)))
结果显示，如果对两种情况下的两条指令的经过时间进行求和，最终将得到相似的总计时：
// 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.
其他时间是：
// 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.
这些测量值在毫秒内太小，可能不太准确，因此您可能想循环运行这些命令数千次并取平均值。同样有时运行保存的M函数比运行脚本或在命令提示符下运行更快，因为某些优化只会以这种方式发生...
无论哪种方式，分配通常都会执行一次，因此谁在乎是否需要额外的30毫秒:)
单元格阵列或结构阵列可以看到类似的行为。考虑以下示例：
N = 1000;
tic, a = cell(N,N); toc
tic, b = repmat({[]}, [N,N]); toc
tic, c{N,N} = []; toc
这使：
Elapsed time is 0.001245 seconds.
Elapsed time is 0.040698 seconds.
Elapsed time is 0.004846 seconds.
请注意，即使它们都相等，它们占用的内存量也不同：
>> 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
实际上，这里的情况更加复杂，因为MATLAB可能为所有单元共享相同的空矩阵，而不是创建多个副本。
a实际上，单元格数组是未初始化单元格的数组(NULL指针的数组)，而b单元格数组是每个单元格都是空数组的单元格数组[](内部并且由于数据共享，只有第一个单元格b{1}指向[]而其余所有单元格都指向对第一个单元格的引用)。最终数组c类似于a(未初始化的单元格)，但最后一个数组包含一个空数值矩阵[]。
我浏览了libmx.dll使用Dependency Walker工具从中导出的C函数的列表，发现了一些有趣的东西。
有用于创建初始化数组无证功能：mxCreateUninitDoubleMatrix，mxCreateUninitNumericArray，和mxCreateUninitNumericMatrix。实际上，文件交换上有一个提交使用这些功能来提供功能的更快替代方案zeros。
存在一个未记录的函数，称为mxFastZeros。在线上进行谷歌搜索，我还可以看到您也将此问题交叉发布在MATLAB Answers上，那里有一些出色的答案。James Tursa(之前是UNINIT的同一作者)举了一个有关如何使用此未记录功能的示例。
libmx.dll与tbbmalloc.dll共享库链接。这是Intel TBB可扩展内存分配器。该库提供等效内存分配函数(malloc，calloc，free)，用于并行应用进行了优化。请记住，许多MATLAB函数是自动多线程的，因此zeros(..)一旦矩阵大小足够大，如果使用多线程并使用Intel的内存分配器，我不会感到惊讶(这是Loren Shure的最新评论证实了这一事实)。
关于内存分配器的最后一点，您可以在C / C ++中编写类似于@PavanYalamanchili的基准，并比较可用的各种分配器。像这样的东西。请记住，MEX-文件有一个略高的内存管理开销，因为MATLAB自动释放所有正在使用中MEX-文件分配的任何内存mxCalloc，mxMalloc或mxRealloc功能。值得一试的是，以前可以在旧版本中更改内部内存管理器。
编辑：
这里是比较详尽的基准，用于比较讨论的替代方案。它具体表明，一旦强调使用整个分配的矩阵，所有这三种方法都处于平等地位，并且差异可以忽略不计。
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
下面是根据矩阵大小增加而在100次迭代中平均的时序。我在R2013a中进行了测试。
>> 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
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
