Matlab高性能编程——代码优化和并行计算
来源:互联网 发布:zsysecdesk是什么软件 编辑:程序博客网 时间:2024/06/06 04:02
Matlab代码优化
Matlab是一种高级计算机语言,同时也是一个用于算法开发,数据可视化,数据分析和数值计算的交互式工作环境。尽管Matlab软件提供了大量专业化的工具箱,使用户避免了很多编程工作,但是在实际工作中仍不免需要自行编写Matlab代码以应对各种纷繁复杂的应用。我们需要明白Matlab是一种专门为数组运算而设计的语言,因此在程序设计中要注意充分利用这一优点来加快运算速度。
本文从以下三个方面展开:
- 程序语法分析 :Code Analyzer(M-Lint)
- 程序性能分析 :Profiler
- 运算性能提升 :向量化、预分配
1.程序语法分析
2.程序性能分析
我们从Profiler可以得到
然后根据各个函数的调用情况,结合实际情况,把可以替换的函数直接替换,不能替换的高调用函数尽量优化。
- 函数调用的总次数
- 每次函数调用耗时状况
3.运算性能提升
>> x=4;>> x(2)=7;>> x(3)=12;
它在内存中的过程是这样的:
接下来,我们来看看向量化,所谓向量化即是将for循环和while循环转换为等价的向量或矩阵运算,它可以大大加速运算,还增强了代码的可读性。
我们从一个简单的例子开始:
原程序:
A=1;for x=1:10000000 f(x)=A*sin((x-1)/(2*pi));end运行时间:12.714 s
向量化后:
<span style="font-size:14px;">A=1;x=0:10000000-1;f=A*sin(x/(2*pi));运行时间:0.544 s</span>可以发现,向量化后,程序的运行速度提高了23倍左右。
虽然一维的向量化很简单,但是,当被评估的函数有两个变量时,优化的方法可能就会复杂一些。
MATLAB使用meshgrid来实现对二维函数的评估,该函数的语法为
[C, R] = meshgrid(c, r)
该函数将由行向量c和r指定的域变换成数组C和R,这两个数组能用来评估有着两个变量的函数和三维表面图(注意,在meshgrid的输入和输出中,列总是首先列出)。
输出数组C是向量c的副本,R是r的副本。例如,假设我们想形成一个二维函数,该函数的元素是坐标向量x和y的值的平方和,其中x=0, 1, 2; y=0, 1。向量r由坐标的行向量构成:r=[0, 1, 2];类似的,c由坐标的列向量构成:c=[0 1](注意,此处的r和c均为行向量)。将这两个向量代入meshgrid可得到如下数组:
>> [C,R]=meshgrid(c,r)C = 0 1 0 1 0 1R = 0 0 1 1 2 2
我们感兴趣这个函数的实现:
>> h=R.^2+C.^2h = 0 1 1 2 4 5
例子:
ticu0=1/(4*pi);v0=1/(4*pi);for r=1:1000 u0x=u0*(r-1); for c=1:1000 v0y=v0*(c-1); f(r,c)=sin(u0x+v0y); endendt1=toc运行时间: 2.4337 s
向量化后:
ticu0=1/(4*pi);v0=1/(4*pi);r=0:1000-1;c=0:1000-1;[C,R] = meshgrid(c,r);g=sin(u0*R+v0*C);t2=toc运行时间: 0.0590s
向量后快了41倍。
OTHER TIPS:
- 以列向量存储:以列作为双重for循环的外循环会比以行作为外循环运算速度更快
- 逻辑索引运算性能更好:例子如下
%%N=2000;A=magic(N);A1=magic(N);A2=magic(N);myRef=1e6;%%ticix=1;vals=zeros(size(A(:)));for jj=1:N for ii=1:N if A(ii,jj)>myRef vals(ix) = A(ii,jj); ix=ix+1; end endend% vals(ix:end)=[];toc%%
运行时间:Elapsed time is 5.466597 seconds.
ticvals=A2(A2>myRef);toc
运行时间:Elapsed time is 0.084450 seconds.
- In-place操作 :减少临时变量的使用
N=3e3;x=rand(N);tic;y=x*1.2;toc;%Elapsed time is 0.073008 seconds.%% In-place 操作tic;x=x*1.2;toc;%Elapsed time is 0.037856 seconds.
MATLAB并行计算
1、Matlab并行计算原理
Matlab的并行计算实质还是主从结构的分布式计算。当你初始化Matlab并行计算环境时,你最初的Matlab进程自动成为主节点,同时初始化多个Matlab计算子节点。Parfor的作用就是让这些子节点同时运行Parfor语句段中的代码。Parfor运行之初,主节点会将Parfor循环程序之外变量传递给计算子节点。子节点运算过程时互不干扰,运算完毕,则应该有相应代码将各子节点得到的结果组合到同一个数组变量中,并返回到Matlab主节点。当然,最终计算完毕应该手动关闭计算子节点。
2、初始化Matlab并行计算环境
这里讲述的方法仅针对多核机器做并行计算的情况。设机器的CPU核心数量是CoreNum双核机器的CoreNum2,依次类推。CoreNum以不等于核心数量,但是如果CoreNum小于核心数量则核心利用率没有最大化,如果CoreNum大于核心数量则效率反而可能下降。因此单核机器就不要折腾并行计算了,否则速度还更慢。
下面一段代码初始化Matlab并行计算环境:
%Initialize Matlab Parallel Computing Enviornment by Xaero | Macro2.cnCoreNum=2; %设定机器CPU核心数量,我的机器是双核,所以CoreNum=2if matlabpool('size')<=0 %判断并行计算环境是否已然启动 matlabpool('open','local',CoreNum); %若尚未启动,则启动并行环境else disp('Already initialized'); %说明并行环境已经启动。end
运行成功后会出现如下语句:
Starting matlabpool using the 'local' configuration ... connected to 2 labs.
如果运行出错,按照下面的办法检测:
首先运行:
matlabpool size
如果出错,说明你没有安装Matlab并行工具箱。确认安装了此工具箱后,运行:
matlabpool open local 2;
如果出错,证明你的机器在开启并行计算时设置有问题。
3、终止Matlab并行计算环境
用上述语句启动Matlab并行计算环境的话,在你的内存里面有CoreNum个Matlab进程存在,每个占用内存都在百兆以上。(可以用Windows任务管理器查看),故完成运行计算后可以将其关闭。关闭的命令很简单:
matlabpool close
Reference:
[1] Rafael C. Gonzalez. Digital Image Processing Using MATLAB.
[2] mathworks webinars
[3] Matlab Help
[4] Matlab并行编程方法 Rachel Zhang的专栏
本文地址:http://blog.csdn.net/linj_m/article/details/9730717
更多资源请关注 博客:LinJM-机器视觉 微博:林建民-机器视觉
- Matlab高性能编程——代码优化和并行计算
- matlab 高性能并行计算之 spmd
- Android高性能编程(4)--并行优化
- 【高性能】Matlab的并行计算之parfor
- 【高性能】Matlab的并行计算之spmd
- matlab实现约束优化——并行计算
- 高性能并行计算引擎Storm和Spark比较
- 高性能并行编程【openMP】
- 高性能并行编程【openMP】
- MPI 学习 -- 高性能计算之并行编程技术 --- MPI并行程序设计 都志辉编著
- 浮点运算和代码优化, 音频常识, 并行计算
- GPU 高性能并行计算相关
- 高性能并行计算技术交流平台
- 《CUDA高性能并行计算》阅读摘要
- 高性能计算中的并行计算、分布式计算、网格计算和云计算之间的区别与联系
- Matlab分布式和并行编程
- 代码干货 | Python高性能计算库——Numba
- Matlab 并行编程——CUDA
- UIWebView背景透明且无拖拽后的上下阴影
- C++中extern “C”含义深层探索
- 这是第一篇博客,作为测试
- hdu 2391 Filthy Rich
- MVC模式基本理解
- Matlab高性能编程——代码优化和并行计算
- linux内核轻量级虚拟化之Namespace
- 贴图透明特效的实现
- Cocos2d—X游戏开发之CCToggle(菜单标签切换)CCControlSwitch(开关切换)(十二)
- dl-ssl.google.com无法打开
- MyEclipse快捷键大全
- 重写、覆盖、重载、多态几个概念的区别分析
- HDU 统计难题
- 注册表键值快速定位