mask调试matlab,在Matlab中优化mask函数

没有基准就没有优化！所以这里有一些建议的解决方案和性能度量。初始化代码为：N = 2000;

nk = 10;

where = false([N, N]);

where(1:100, 1:100) = 1;

data = (5.+j)*ones([N, N, nk]);

我用函数timeit对函数计时，如下所示：

^{pr2}$

作为比较，当我对问题中给出的Numpy函数执行完全相同的操作时，它的运行速度是0.0167s

带有2个循环的初始Matlab函数运行时间约为0.34秒，等效Numpy函数(有2个循环)运行速度较慢，运行时间为0.42秒。这可能是因为Matlab使用JIT编译。在

我可以删除reshape，因为find已经返回了线性索引。我喜欢它，因为代码更简洁，但是reshape无论如何都非常便宜，因此它并不能真正提高函数的性能：function dealiasing2d(where, data)

[n1, n0, nk] = size(data);

N = n0*n1;

ind_zeros = find(where);

for ik=1:nk

data(ind_zeros + N*(ik-1)) = 0;

end

这个函数需要0.23秒，比有两个循环的解决方案快，但与Numpy解决方案相比非常慢(慢14倍！)。这就是我写问题的原因。在

这个解决方案涉及N*N*nk乘法(乘1或0)，这显然是太多的工作，因为我们只需将100*100*nk值放入数组