matlab - 在 Matlab 中重复向量的最有效方法

Question

重复向量的最有效方法是什么？

我目前的印象repmat是优于任何其他方法？还是我的这种心态大错特错？

是否有可能使用不同的技术产生完全相同的结果repmat？也许是普通的矩阵乘法？

我要对您的所有兴趣和支持性回答表示最衷心的感谢！

AER

Answer 1

bsxfun如果起始向量很长或重复次数足够大（见下文），底线比您要求的两个要快，否则矩阵乘法更有效。在您问过的两者之间，看起来矩阵乘法+整形在效率上的优势是 ~3 over repmat。我使用timeit了以下方式，我创建了一个包含 1e5 个元素的随机向量，并检查了创建 100 次重复它需要多长时间：

v=rand(1e5,1);
f1=@()repmat(v,[100,1])
f2=@() reshape(v*ones(1,100),[],1);

timeit(f1)
ans =
     0.1675

timeit(f2)
ans =
    0.0516

然而bsxfun更快：

f3=@() reshape(bsxfun(@times,v,ones(1,100)),[],1) 

timeit(f3)

 ans =
     0.0374

以下是对这一观察结果的更仔细研究：

给定一个向量的长度为 1000 个元素，重复它 10 到 1e5 次会产生以下性能时间：

对于较小的重复次数，矩阵乘法之间几乎没有区别，bsxfun但是随着重复次数通过~1e3，bsxfun明显获胜。

但是，仅采用具有相同重复范围的 10 个元素长向量，表明矩阵乘法更有效。bsxfun只有在 10^5 次重复后才开始变得更好，但即便如此，它也只快了 ~5%（未显示）：

所以这取决于你所追求的。在Loren 的 MATLAB 艺术博客中可以找到进一步的讨论。

Answer 2

这真的取决于你想要什么样的 verctor。例如，如果你想要一个专门的向量，比如一行，那么

tic
repmat([1],3,5)
toc

tic
ones(3,5)
toc

会告诉你使用“ones”大约快 3 倍（至少在我的机器上）。您始终可以使用 tic 和 toc 来衡量哪种方法更快。让我们再试试...

tic
repmat([1,2,3],1,2)
toc

tic
cat(2,[1,2,3],[1,2,3]) 
toc

现在 cat 再次快了 3 倍，但它有其明显的局限性。希望这可以帮助

Answer 3

不，目前repmat大多数情况下比普通索引要慢，其工作原理如下：

分类repmat：

a = [ 1 2 3 ];
repmat(a,4,1)
>> 
     [1 2 3;
      1 2 3;
      1 2 3;
      1 2 3];

这个的索引版本：

a(ones(4,1),:);

这给出了相同的结果。