[转]Matlab代码的分析、优化和加速

Matlab代码的分析、优化和加速
作者:佚名  来源:本站整理  发布时间:2010-9-1 9:54:53
减小字体  增大字体
Profile(分析)
在加速你的matlab程序之前,你需要知道你的代码哪一部分运行最慢。matlab提供个简单的机制,让你能够知道你的代码的某一部分运行所占用CPU时间。通过在代码段开始添加tic,及在结束添加toc;matlab就能计算出这一代码段的运行时间。
Tic和toc方法存在两个问题:
(1)显示的时间是运行时间“wall clock”。这个时间受你在运行你的代码时,你的计算机是否同时运行其它别的程序。
(2)你需要不断地压缩计时范围来查找你代码运行最慢的位置。
一个最好的方法是利用matlab 内嵌的代码分析器。在你的程序前面通过添加命令profile on;及在程序结束添加profile viewer;并运行你的程序。当程序正常运行结束时,代码分析器窗口将弹出,并显示分析结果。它包含的信息有:
Function Name :函数名;
Calls :函数被调用次数;
Total Time :执行该函数的CPU总用时,包含任何其它被它调用的函数的CPU时间。
Self Time :执行该函数的CUP总用时,不包含任何其它被它调用的函数的CUP时间。
Total Time Plot :时间用时的曲线图。
以上信息可进行各种排序和详细查看。
注意:当你完成你的代码分析后,请删除profile on和profile viewer,因为嵌入代码分析器会使用的程序运行变慢。
标准提示
☆有问题找帮助文档。学会使用帮助文档,学会针对待解决的问题检索文档资料。
☆性能
查看MATLAB->Programming->Improving Performace and Memory Usage;或MATLAB->Programming Fundamentals->Performace->Techniques for Improveing Performace。
多线程
如果你使用的是多核心的计算机,那么你就可以让Matlab同时运行多个线程,Matlab程序中一些底层的函数(Low-level function)就有可能采用并行计算的方法。打开多线程的方法:File->Preferences选择General->Multithreading。扣选Enable multihread computation box。如果不限制使用核心的数目,可以保留使用Automatic。
注意:Matlab R2008a之前的版本在AMD处理器上是不支持多线程的。
向量化循环
Matlab的运算是针对向量(矢量)和矩阵进行设计的,因此它在向量和矩阵上的运算速度比采用循环的方式更快。
例如:
index=0;
for time=0:0.001:60;
index=index+1;
waveForm(index)=cos(time);
end;
采用以下代码可加快速度。
Time=0:0.01:60;
waveForm=cos(time);
一些有用的,可用于代替循环的函数:
any();size();find();cumsum();sum();
向量预分配
Matlab采用内存中一块连续的空间来存储向量和矩阵数据,而不是用链表。这就意味着你每给向量或矩阵增加一元素,Matlab需要寻找一块足够大的内存区域来存储这个扩大后的向量或矩阵,然后复制现有的数据到新的内存区域。在循环中增加向量或矩阵元素的元数是允许的,但并不是明智之举,而应该是一次性分配向量或矩阵的大小,或一次性重定义尺寸。
Results=0;
for index=2:1000;
results(index)=results(index-1)+index;
end
上述代码将比以下代码速度慢:
results=zeros(1,1000);
for index=2:1000;
results(kindex)=results(kindex-1)+index;
end;
注意:当你需要用zeros()来创建一个指定数据类型的向量或矩阵时,你可以使用创建参数来指定类型,而不是“重铸”。results=int8(zeros(1,1000));将创建一个有1000个元素的double型零向量,然后把它转换成int8类型。如果我们使用results=zeros(1,1000,’int8′); Matlab将支持建立1000个int8类型的向量,在创建可实现性及速度上将更具有优势。
不要改变数据类型
Matlab为了能够支持宽松的数据类型(例如一个变量能够存储不同类型的数据,而不是指定它为特定的数据类型),则Matlab除了存储单纯的数据之外,还需要伴随数据存储一定数量的头信息(header),这就意味着需要内存空间支存储数据类型,同时意味需要在数据类型转换上支付额外的计算机资源开支。
对于实数据使用 real…函数。
Matlab中的一些函数能够同时适用于实类型数据和复类型数据。如果你只使用实数据,那么采用特定的版本的,非复数据函数,那么它运行的速度将变得更快。这些函数如:reallog(), realpow(),realsqrt()。
使用“短路”逻辑操作
Matlab的“短路”逻辑操作可以在判断条件达到充分条件后就停止计算处理,而不需要知道判断所有条件。例如:if(index>=3)&&(data(index)==5); 当index小于3时,第二个条件判断将不被处理,这样就少了去判断data(index)==5)的时间,提高速度。
使用函数指针
Matlab的一些函数使用函数名作用参数,常用一个变量支保存这个函数名字符串()如:func=’tan’;然后用这个变量作为函数的参数:fzero(func,0))。这种方法对于简单的函数调用是很好的,但是对于在循环中的重复调用就存在两个问题:
(1)在每一个循环中,Matlab需要去搜索这个函数的路径(如tan),这需要花费时间。
(2)在循环过程中,路径可能会改变。这会保证在这一次循环中,某个版本的函数(如tan)被首先调用,而下一次循环中这个版本的函数又被首先调用,最终会造成结果不一致。
解决的办法是使用文件指针(func=@tan;或func=@sin),它能返回函数唯一的识别码。调用方式同上。
文件I/O
通常高级输入输出操作(load()和save())比一般的低级操作(fread()和fwrite())快。
☆内存使用
关于内存的使用可查看帮助文档Using Menory Efficently。可查与Memory Usage相关的信息。
一定记注:可以使用whos()来查看数据变量占有用的内存空间大小。
复制数组
当你复制一个数组时,Matlab开始只复制一个指向数据的一个指针,仅当你随后对任一版本进行修时,数据的复制才真正的执行。这种操作包括数组作为函数参数进行传递的情况-作为值传递的参数传递,而不是作为参考的传递。因此,你应该尽量避开对大数组进行小改动的操作。
数据不用时,释放内存
如果一个变量以后已经不再使用,那么你可以删除它clear VariableName;则这个小块的数据将可以重用。
注意:如果各变量在内存是连续的,则Matlab很容易重用这些大块的内存,因此最好是先建立大的变量,后再建立小的变量,并且把它们组合起来。
结构体存储
上文已经提到,在Matlab中的变量包含有描述数据类型的头信息。对于一个结构体,则有一个描述整个结构的头信息,及每个元素也分别有一个头信息。为了最小化地使用内存,我们应该小心地使用混合数据类型的数组和结构。
例如:
pixel.red(1:600,1:400)
pixel.grn(1:600,1:400)
pixel.blu(1:600,1:400)
则我们就需要存储4个头信息。而:
pixel(1:600,1:400).red
pixel(1:600,1:400).grn
pixel(1:600,1:400).blu
我们就有720001个头信息。
使用最小的合适的数据类型
为了减小内存使用量,对于特定的运算经常使用最小的数据类型。例如:
(1)对于虚部为零的数据,最好不要用complex去存储。
(2)如果精度足够,可采用single变量,而不用double。
(3)使用uint16来进行计数操作,它能存储值为0到65535。但它比默认的double型省一半的内存。
使用稀疏矩阵
如果矩阵绝大多的数据为零值,可以把它转化成稀疏形式(使用sparse()函数)。它将只存储非零数据的数值和索引。因为需要额外的存储数据的索引,因此只有二维数据的零值大约超过75%时,这种方法才是有效的,否则稀疏形式反而需要更多的内存空间。
☆并行循环
如果从一个for循环的外部看,for循环满足以下标准:
(1)循环的计数是整数;
(2)每次循环都是独立的;
(3)计算循环先后顺序无关。
那么这个for循环就有可能可以替换成parfor循环(matlab2008a中可用优化算打开并行通信池:parfor循环包含于matlabpool open 和matlabpool close之间)。
注意:打开一个并行工作池worker pool大约需要10-15秒钟,关闭一个工作池大概需要5秒钟。计算这个时间在内,这个方法对于循环时间超过30秒的情况才是值得的。

Advertisements
  1. 留下评论

Log in or fill out contact info to leave a reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / 更改 )

Twitter picture

You are commenting using your Twitter account. Log Out / 更改 )

Facebook photo

You are commenting using your Facebook account. Log Out / 更改 )

Google+ photo

You are commenting using your Google+ account. Log Out / 更改 )

Connecting to %s

%d 博主赞过: