3

到目前为止，我是 Octave/Matlab 的新手，您可以应用矩阵运算（如*）或单元格运算（如.*）。

现在我遇到了这两种模式之间的问题。

例如（这只是EXAMPLE）我有一个矩阵（10,10）和一个向量（10,1）。我想在切片中使用这个矩阵（在本例中为列切片）并向它们添加向量。所以将向量添加到第一列，将向量添加到第二列，......，将向量添加到最后一列。当然，在结果中获取矩阵（10,10）。

到目前为止，我提出了两种方法：

  1. 手动循环列，并添加向量

  2. 重复向量，然后将整个重复向量（所以现在它真的是矩阵）添加到矩阵中

第二种使用向量化的方式，但是消耗内存很多，第一种情况，没有向量化的方式（手动循环），但是内存并没有被过度使用。

问题——有没有不错的第三种方式，切片模式？我可以说，将矩阵视为切片，将向量添加到切片，然后删除此类视图，并像往常一样对待矩阵？

4

1 回答 1

5

您可以使用 Matlab 的 bult in binary-singleton-expansion ( bsxfun ) 以内存高效的方式实现您想要的结果。

x = ones(10); %// 10x10 matrix
y = 1:10; %// 10x1 matrix
z = bsxfun(@plus, x, y)

这将给出以下输出

z =

 2     3     4     5     6     7     8     9    10    11
 2     3     4     5     6     7     8     9    10    11
 2     3     4     5     6     7     8     9    10    11
 2     3     4     5     6     7     8     9    10    11
 2     3     4     5     6     7     8     9    10    11
 2     3     4     5     6     7     8     9    10    11
 2     3     4     5     6     7     8     9    10    11
 2     3     4     5     6     7     8     9    10    11
 2     3     4     5     6     7     8     9    10    11
 2     3     4     5     6     7     8     9    10    11

使用 repmat 命令通常是浪费的（正如您在问题中指出的那样），通常可以避免。有关 bsxfun 与 repmat 的详细说明，请参阅本文

http://blogs.mathworks.com/loren/2008/08/04/comparing-repmat-and-bsxfun-performance/

至少对于乘法，您可以使用涉及对角矩阵的技巧来获得结果。您可以使用 sparse 关键字来减少对角矩阵临时存储的内存使用量

x = ones(10); %// 10x10 matrix
y = 1:10; %// 10x1 matrix
yd = sparse(diag(y)); %// 10x10 matrix, but memory is only used to store data and its indicies

z =  yd * x %// 10x10 matrix

但是，bsxfun 解决方案通常更胜一筹。

于 2012-04-26T10:51:52.803 回答