4

我需要在 Matlab 中操作大的 3-dim 非稀疏矩阵。使用纯矢量化会产生较长的计算时间。因此，我尝试将操作拆分为 10 个块，然后解析结果。当我看到纯矢量化并不能很好地适应下图中显示的数据大小时，我感到很惊讶。

在此处输入图像描述

我包括了这两种方法的一个例子。

% Parameters:
M = 1e6;  N = 50;  L = 4;  K = 10;

% Method 1: Pure vectorization
mat1 = randi(L,[M,N,L]);
mat2 = repmat(permute(1:L,[3 1 2]),M,N);
result1 = nnz(mat1>mat2)./(M+N+L);

% Method 2: Split computations
result2 = 0;
for ii=1:K
    mat1 = randi(L,[M/K,N,L]);
    mat2 = repmat(permute(1:L,[3 1 2]),M/K,N);
    result2 = result2 + nnz(mat1>mat2);
end
result2 = result2/(M+N+L);

因此，我想知道是否有任何其他方法可以使 Matlab 中的大矩阵运算更有效。我知道这是一个相当广泛的问题，但我会冒险:)

编辑：

使用@Shai 的实现

% Method 3
mat3 = randi(L,[M,N,L]);
result3 = nnz(bsxfun( @gt, mat3, permute( 1:L, [3 1 2] ) ))./(M+N+L);

时间是：

在此处输入图像描述

4

1 回答 1

3

为什么repmat而不是bsxfun？

result = nnz(bsxfun( @gt, mat1, permute( 1:L, [3 1 2] ) ))./(M+N+L);

似乎您正在用完 RAM，并且操作系统开始为非常大的矩阵分配交换空间。内存交换始终是一项非常耗时的操作，并且随着所需内存量的增加而变得更糟。
我相信你正在目睹颠簸。

于 2014-03-13T16:00:33.320 回答