重塑大量数据时提高循环性能答案

【问题标题】：Boost loop performance when reshaping huge amount of data重塑大量数据时提高循环性能
【发布时间】：2017-08-27 03:25:27
【问题描述】：

这是上一个问题here 的扩展问题。我正在根据下面的代码重塑数据。但是，当数据量增加时，in=rand(291081,1920);，上一个问题中的答案（预分配）无法再处理了，MATLAB 甚至冻结了整个笔记本电脑。因此，正如 Teddy 在上一个问题中所建议的那样，我要提出一个新问题来提高循环的性能。

可以找到一些非常相似但不相似的问题here。从那里，给出的答案建议将循环修改为按列。但是，由于我的循环需要同时访问行和列，所以答案似乎不适用于我的情况。

是否仍可以修改此循环以提高其性能？或者可以在不冻结整个笔记本电脑的情况下完成这个循环吗？如果可能，不要涉及 GPU。

in=rand(291081,1920);
m=581;
[R,C]=size(in); 
R_out=R/m; 

out=zeros(m*C,R_out);
for k=1:m %from row 1 to nth row
    for i=1:C %reshape every column of nth row
        out(i+C*(k-1),:) = in(k:m:end,i)';
    end
end

P/S：在上一个问题中，当数据量变大时，循环和arrayfun似乎没有太大的性能差异。

提前致谢！

【问题讨论】：

标签： matlab performance for-loop optimization

【解决方案1】：

首先，感谢@NLindros 提供的答案，这启发了这个答案。似乎使用 reshape 是迄今为止处理大量数据的最有效方法。因此，为避免按照建议使用转置，使用permute 和reshape，如下所示。

out=reshape(permute(reshape(in,m,R_out,[]),[1 3 2]),[],R_out);

这是迄今为止最快的重塑方式。

如果没有更好的答案，我会将此标记为答案。

【讨论】：

【解决方案2】：

你可以transpose你的矩阵和reshape它只有R_outcolumns。

% Input
in=rand(291081,1920);
m=581;
[R,C]=size(in); 
R_out=R/m; 

% Reshape
out = reshape(in.', [], R_out);

此操作所需的大部分时间是由in 矩阵的转置引起的。因此，为了进一步加快速度，您也许可以尝试收集/提供数据，以便它已经被转置，然后进行重塑。

【讨论】：