matlab - MATLAB 矢量化代码如何“在后台”工作？

Question

我了解在 MATLAB 等语言中使用向量化如何通过消除维护循环变量的开销来加速代码，但是向量化实际上是如何在汇编/机器代码中发生的？我的意思是在某个地方仍然必须有一个循环，对吧？

Answer 1

Matlab 的“向量化”概念与向量指令概念（例如 SSE）完全不同。这是两组人之间的常见误解：matlab 程序员和 C/asm 程序员。Matlab“向量化”，正如这个词常用的那样，只是关于以矩阵索引（向量）的形式表达循环，有时是关于用基本矩阵/向量运算（BLAS）来写东西，而不是写循环本身。Matlab“矢量化”代码不一定表示为矢量化 CPU 指令。考虑以下代码：

A = rand(1000);
B = (A(1:2:end,:)+A(2:2:end,:))/2;

此代码计算两个相邻矩阵行的平均值。这是一个“矢量化”的 matlab 表达式。但是，由于 matlab 按列存储矩阵（列在内存中是连续的），因此该操作不会轻易更改为对 SSE 向量的操作：由于我们按行执行操作，因此您需要加载到向量中的数据不会连续存储在记忆中。

另一方面，这段代码

A = rand(1000);
B = (A(:,1:2:end)+A(:,2:2:end))/2;

可以利用 SSE 指令和流指令，因为我们一次对两个相邻的列进行操作。

因此，matlab 的“向量化”并不等同于使用 CPU 向量指令。它只是一个用来表示缺少 MATLAB 中实现的循环的词。更令人困惑的是，有时人们甚至使用这个词来表示某些循环已使用内置函数实现，例如 arrayfun 或 bsxfun。这甚至更具误导性，因为这些函数可能比本机 matlab loops 慢得多。正如 robince 所说，如今并非所有循环在 matlab 中都很慢，尽管您确实需要知道它们何时工作，何时不工作。

无论如何，你总是需要一个循环，它只是在 matlab 内置函数/BLAS 中实现，而不是用户的 matlab 代码。

Answer 2

是的，还有一个循环。但它能够直接在编译后的代码中循环。Fortran（Matlab 最初基于）C 或 C++ 中的循环本身并不慢。它们在 Matlab 中很慢是动态运行时的一个属性（它们在 Python 等其他动态语言中也较慢）。

由于 Matlab 引入了 Just-In-Time 编译器，循环性能实际上已显着提高 - 因此，避免循环的旧指南在最近的版本中不像以前那么重要。