问在MATLAB中，什么时候使用bsxfun是最好的？

EN

我使用bsxfun有三个原因(documentation、blog link)

1. bsxfun比repmat更快(参见below)
2. bsxfun需要更少的输入
3. 使用bsxfun，就像使用accumarray一样，这让我对自己对MATLAB的理解感觉很好。

bsxfun将沿着输入数组的“单一维数”(即数组大小为1的维数)复制输入数组，以便它们与其他数组的相应维数的大小相匹配。这就是所谓的"singleton expansion“。顺便说一句，如果调用squeeze，单例维度将被删除。

对于非常小的问题，repmat方法可能会更快-但在这种数组大小下，这两种操作都非常快，可能不会对整体性能产生任何影响。bsxfun速度更快有两个重要原因：(1)计算发生在编译代码中，这意味着实际的数组复制永远不会发生，(2) bsxfun是多线程MATLAB函数之一。

我已经在我相当快的笔记本电脑上用MATLAB R2012b进行了repmat和bsxfun之间的速度比较。

​

​

对我来说，bsxfun大约比repmat快三倍。当数组变得更大时，差异会变得更加明显：

​

​

repmat的运行时跳跃发生在1MB的数组大小附近，这可能与我的处理器缓存的大小有关- bsxfun的跳跃不会那么糟糕，因为它只需要分配输出数组。

下面是我用来计时的代码：

n = 300;
k=1; %# k=100 for the second graph
a = ones(10,1);
rr = zeros(n,1);
bb = zeros(n,1);
ntt = 100;
tt = zeros(ntt,1);
for i=1:n;
   r = rand(1,i*k);
   for it=1:ntt;
      tic,
      x = bsxfun(@plus,a,r);
      tt(it) = toc;
   end;
   bb(i) = median(tt);
   for it=1:ntt;
      tic,
      y = repmat(a,1,i*k) + repmat(r,10,1);
      tt(it) = toc;
   end;
   rr(i) = median(tt);
end

在我的例子中，我使用bsxfun，因为它避免了我考虑列或行问题。

为了编写您的示例：

A = A - (ones(size(A, 1), 1) * mean(A));

我必须解决几个问题：

1. size(A,1)或size(A,2)

1. ones(sizes(A,1),1)或ones(1,sizes(A,1))

1. ones(size(A, 1), 1) * mean(A)或mean(A)*ones(size(A, 1), 1)

1. mean(A)或mean(A,2)

当我使用bsxfun时，我只需要解决最后一个问题：

a) mean(A)或mean(A,2)

你可能认为它很懒，但是当我使用bsxfun时，我有更少的bugs和我更快的。

此外，它更短，这提高了和readability.的键入速度

非常有趣的问题！我最近在回答this question时偶然发现了这种情况。考虑以下代码，该代码通过向量a计算大小为3的滑动窗口的索引

a = rand(1e7, 1);

tic;
idx = bsxfun(@plus, [0:2]', 1:numel(a)-2);
toc

% Equivalent code from im2col function in MATLAB
tic;
idx0 = repmat([0:2]', 1, numel(a)-2);
idx1 = repmat(1:numel(a)-2, 3, 1);
idx2 = idx0+idx1;
toc;

isequal(idx, idx2)

Elapsed time is 0.297987 seconds.
Elapsed time is 0.501047 seconds.

ans =

 1

在这种情况下，bsxfun几乎快了一倍！它是有用和快速的，因为它避免了显式地为矩阵idx0和idx1分配内存，将它们保存到内存中，然后再次读取它们以添加它们。由于内存带宽是一项宝贵的资产，并且通常是当今体系结构上的瓶颈，因此您希望明智地使用它，并减少代码的内存需求以提高性能。

bsxfun允许您这样做:通过将任意运算符应用于两个向量的所有元素对来创建矩阵，而不是显式地对通过复制向量获得的两个矩阵进行操作。这是单例扩展。您也可以将其视为来自BLAS的外部产品

v1=[0:2]';
v2 = 1:numel(a)-2;
tic;
vout = v1*v2;
toc
Elapsed time is 0.309763 seconds.

将两个向量相乘得到一个矩阵。只是外积只执行乘法，bsxfun可以应用任意运算符。顺便说一句，看到bsxfun和BLAS外部产品一样快，这是非常有趣的。而BLAS通常被认为可以为提供性能...

多亏了丹的评论，这里有一个很棒的article by Loren讨论了这一点。