平均二维欧几里得距离的高性能计算答案

【问题标题】：High performance computation of mean 2D-Euclidian-distance平均二维欧几里得距离的高性能计算
【发布时间】：2023-03-03 00:09:01
【问题描述】：

假设我有一个维度为10x2 的位置矩阵P，其中第一列包含x 值，第二列包含对应的y 值。我想要位置长度的平均值。到目前为止，我这样做的方式是使用以下代码：

avg = sum( sqrt( P(:,1).^2 + P(:,2).^2))/10);

有人告诉我，积分函数 integral2 对于这项任务来说更快更精确。如何使用integral2 计算平均值？

【问题讨论】：

您当前的方法有什么问题（它没有提供正确的值吗？是不是太慢了？不够通用）？为什么你需要突然切换到integral2？这是家庭作业吗？无需描述输入，只需将其添加到您的问题中即可 - 它并没有那么大。
感谢您的回复。原因;很快我将使用数百个位置，并且根据我的老师的说法，积分 2 函数更快更精确（我不知道为什么）。
如果您有统计和机器学习工具箱，则有 pdist2。请注意，integral2 是开源的，所以没有什么神奇之处。据我所知，您的方法几乎是理想的。无论如何，在决定什么是最佳方法之前，您应该始终对解决方案进行基准测试。
谢谢。我会试试的。

标签： matlab performance mean euclidean-distance integral

【解决方案1】：

这样这个问题就不会一直悬而未决：

function q42372466(DO_SUM)
if ~nargin % nargin == 0
  DO_SUM = true;
end

% Generate some data:
P = rand(2E7,2);

% Correctness:
R{1} = m1(P);
R{2} = m2(P);
R{3} = m3(P);
R{4} = m4(P);
R{5} = m5(P);
R{6} = m6(P);

for ind1 = 2:numel(R)
  assert(abs(R{1}-R{ind1}) < 1E-10);
end

% Benchmark:
t(1) = timeit(@()m1(P));
t(2) = timeit(@()m2(P));
t(3) = timeit(@()m3(P));
t(4) = timeit(@()m4(P));
t(5) = timeit(@()m5(P));
t(6) = timeit(@()m6(P));

% Print timings:
disp(t);


%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% Original method:
function out = m1(P)
  if DO_SUM
    out = sum( sqrt( P(:,1).^2 + P(:,2).^2))/max(size(P));
  else
    out = mean( sqrt( P(:,1).^2 + P(:,2).^2));
  end
end

% pdist2 method:
function out = m2(P)
  if DO_SUM
    out = sum(pdist2([0,0],P))/max(size(P));
  else
    out = mean(pdist2([0,0],P));
  end
end

% Shortened method #1:
function out = m3(P)
  if DO_SUM  
    out = sum(sqrt(sum(P.*P,2)))/max(size(P));
  else
    out = mean(sqrt(sum(P.*P,2)));
  end    
end

% Shortened method #2:
function out = m4(P)
  if DO_SUM  
    out = sum(sqrt(sum(P.^2,2)))/max(size(P));
  else
    out = mean(sqrt(sum(P.^2,2)));
  end    
end

% hypot
function out = m5(P)
  if DO_SUM
    out = sum(hypot(P(:,1),P(:,2)))/max(size(P));
  else
    out = mean(hypot(P(:,1),P(:,2)));
  end
end

% (a+b)^2 formula , Divakar's idea
function out = m6(P)
  % Since a^2 + b^2 = (a+b)^2 - 2ab, 
  if DO_SUM
    out = sum(sqrt(sum(P,2).^2 - 2*prod(P,2)))/max(size(P));
  else
    out = mean(sqrt(sum(P,2).^2 - 2*prod(P,2)));
  end
end

end

在我的 R2016b + Win10 x64 上的典型结果：

>> q42372466(0) % with mean()
    0.1165    0.1971    0.2167    0.2161    0.1719    0.2375

>> q42372466(1) % with sum()
    0.1156    0.1979    0.2233    0.2181    0.1610    0.2357

这意味着您的方法实际上是上述方法中最好的，而且差距很大！
（老实说 - 没想到！）

【讨论】：