让你的matlab代码计算速度提升百倍的技巧揭秘
谁都想写出一个高效运行的matlab代码，那么问题来了？如何写出一个
高效运行的matlab代码呢？今天小编就来说道说道。
对于任何一款编程语言来说，提前分配变量的存储空间，对程序运行效率提升是显著的，这对matlab也不例外。对于matlab而言，在编程过程中遇到循环是最拖累代码运行速度的，因此咱们写代码要尽可能地避免循环，将循环尽可能地转化矢量化计算。接下来就根据一个实例来看看，是怎么一步一步实现的吧！
实例1：无任何优化，可能是matlab新手常爱犯的毛病
clear;clc;
num = 4000;
% Step 0: 未作任何优化
tic;
for m = 1:num
for n = 1:num
A(m,n) = randn;
if A(m,n) >= 0
B(m,n) = sin(A(m,n));
else
B(m,n) = cos(A(m,n));
end
end
end
toc;实例2：给变量分配存储空间
clear;clc;
num = 4000;
% Step 1: 预定义A、B，即给A、B预先分配空间
tic;
A = zeros(num);
B = zeros(num);
for m = 1:num
for n = 1:num
A(m,n) = randn;
if A(m,n) >= 0
B(m,n) = sin(A(m,n));
else
B(m,n) = cos(A(m,n));
end
end
end
toc;实例3：直接运用matlab矢量化函数进行赋值
clear;clc;
num = 4000;
% Step 2: rand函数是向量化计算无需在循环中生成，因此可直接向量化生成A
tic;
A = rand(num);
B = zeros(num);
for m = 1:num
for n = 1:num
if A(m,n) >= 0
B(m,n) = sin(A(m,n));
else
B(m,n) = cos(A(m,n));
end
end
end
toc;实例4：将循环改为矢量化计算
clear;clc;
num = 4000;
% Step 3: 循环是导致程序运行变慢的根源，能用向量化尽量不要使用循环
tic;
A = rand(num);
B = zeros(num);
B(A>=0) = sin(A(A>=0));
B(A<0) = cos(A(A<0));
t(4) = toc;为了更直观地对比优化前后的差异，给出代码运行时间与优化过程变化图，如下：
从上图不难看出，对于矩阵而言，先预分配存储空间推提升程序的运行效率是多么地重要。
最后归纳三点：
a) 矩阵变量不管三七二十一先分配存储空间
b) 可直接矢量化计算的函数不要放在循环中
c) 可以不用循环的代码段就尽量不要用循环
以上就是今天的全部内容，小伙伴们若有更好的建议或意见，欢迎在留言区留下您的足迹！
参考资料：https://weibo.com/1734252803/HF7zw3aLN
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2020-01-02，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读