【发布时间】:2012-12-11 16:52:49
【问题描述】:
我已经阅读了this,但我仍然不明白为什么矢量化代码更快。
在 for 循环中,我可以使用 parfor 来进行并行计算。如果向量化代码更快,是否意味着它自动并行化了?
【问题讨论】:
-
下面给出的答案是正确的,但实际上我相信大矩阵运算实际上可能确实是自动并行运行的。
标签: matlab for-loop parallel-processing vectorization
我已经阅读了this,但我仍然不明白为什么矢量化代码更快。
在 for 循环中,我可以使用 parfor 来进行并行计算。如果向量化代码更快,是否意味着它自动并行化了?
【问题讨论】:
标签: matlab for-loop parallel-processing vectorization
没有。您混合了两个重要概念:
考虑一个简单的例子,如下所示:
s=0;
for i=1:length(v),
s = s+v(i);
end
和
sum(v)
您可能应该使用 tic 和 toc 对这两个函数进行计时,以使自己相信运行时的差异。对向量进行操作的类似常用函数大约有 10 个,例如:bsxfun、repmat、length、find。矢量化是有效使用 MATLAB 的标准部分。在您可以有效地对代码进行矢量化之前,您只是 MATLAB 世界中的游客,而不是公民。
虽然在许多情况下 parfor 可以提供很多帮助,但很少发生可以通过 parfored 获得非常大收益的循环类型。
【讨论】:
我同意 carlosdc 的回答。 但是,重要的是要记住,自 6.5 版以来,Matlab 已包含一个 JIT 编译器,用于加速 for 循环等。
我用v 中的一百万个元素对你的求和示例进行了快速测试,得到了以下结果:
sum(v):4.3 毫秒 for-loop version:16 毫秒for-loop version, no JIT:966 毫秒JIT 可以像这样打开和关闭:
feature accel off
feature accel on
通过向量化代码来改进 4 因素当然仍然是值得的,但是不应该害怕 for 循环,因为它们曾经是一个很好的解决方案。但通常情况下,一段经过良好矢量化的代码通常可以更简单、更不容易出错并且速度更快。
【讨论】:
在现代计算机中,寄存器(用于数学等用途的临时内存)有很多位,可以同时处理多个数字。例如,如果您的数据是 uint8(8 位),您可以在一个 CPU 时钟中为每个添加一个数字,或者您可以将其中的 8 个放在寄存器中,然后在一个 CPU 时钟中将它们全部添加一个数字.这样你的工作速度比 for 循环快 8 倍。
这在某种意义上是并行化,但不像 parfor。 Parfor 使用 CPU 的多个核心,在上述方法中,一个核心的使用效率更高。如果同时使用它们,则可以实现更高的速度。
【讨论】: