Julia代码优化：向量计算和求和

Question

我在一个 Julia 项目中，我想在下面的代码中优化我的函数 oneAttempt。

下面是我的代码的简要说明：

• 函数oneAttmept实现一定的递归算法返回终端结果。
• 变量@ 987654323是通过我在下面的代码中写入的算法更新的变量（我将省略这个问题）。
• 函数oneAttempt会在for循环下被多次调用（超过1000次）。

function oneAttempt()
            n = 30
            m = 900

            x = rand(Normal(), n, n)
            A = ones(n, n) * sum(sum(x, dims = 1))
    
            # f would be passed to the algorithm below.
            # f0 is the initial value of f
            f0 = ones(n, n) + x - (1 / m) * A
            f = copy(f0)
            o = zeros(n, n)

            #=
            algorithm part:    
            while loop in which f would be updated many times under complicated algorithm 
            =#
            
            return f;
end

# the function `oneAttempt` would be called many times (more than 1000 times) under for loop.

我想有更好的优化方法来制作f0，因为我听说向量计算将是 Julia 编码中的一个普通瓶颈。

有更好的编码方式吗？

任何信息将不胜感激。

Answer 1

您的示例不是完全独立的，这使得提出改进建议变得更加困难，因为我不知道在不更改其功能的情况下可以更改哪些部分。但总的来说，我会说你的问题是你创建了很多不必要的数组，你的第一个策略应该是减少它。

例如：

A = ones(n, n) * sum(sum(x, dims = 1))

这会在内部sum 内创建一个向量，然后将其相加。此外，不需要ones(n, n)，它只是更多的分配，没有任何目的。相反，写

A = sum(x)

这对整个数组 x 求和，不需要数组。 （我怀疑你来自 Matlab，其中 sum(x) 对矩阵的列求和（除非它是一个 1xN 矩阵，在这种情况下它对行求和！），但即使在 Matlab 中你也可以写 sum(x, [], 'all') 而不是 @987654328 @.)

这里：

f0 = ones(n, n) + x - (1 / m) * A

您还应该避免不必要的分配。无需创建数组，只需使用广播即可。我会这样写：

f0 = (1 + A/m) .+ x  # 1 and A/m are both scalar, so don't dot the plus in the parens.

这里

f = copy(f0)
o = zeros(n, n)

你创建了更多的数组，带有一个副本和zeros。我不知道它们是做什么用的，但我怀疑你不需要它。如果您添加更多上下文，我可以对此发表评论。

但总的来说，减少不必要的数组，改用广播，并可能使用就地操作。