【问题标题】:Multiply each sub-block with a matrix in MATLAB将每个子块与 MATLAB 中的矩阵相乘
【发布时间】:2016-02-14 21:48:31
【问题描述】:

我想将矩阵 A mxn 的每个子块与矩阵 B pxq 相乘。例如 A 可以分为 k 个子块,每个子块的大小为 mxp。

A = [A_1 A_2 ... A_k]

生成的矩阵将是 C = [A_1*B A_2*B ... A_k*B],我想高效地完成它。

到目前为止我尝试过的是:

C = A*kron(眼睛(k),B)

编辑:丹尼尔我认为你是对的。我尝试了 3 种不同的方法。计算克罗内克积似乎是个坏主意。即使是带有 reshape 的解决方案也比更紧凑的 kron 解决方案运行得更快。

tic 
for i=1:k
C1(:,(i-1)*q+1:i*q) = A(:,(i-1)*p+1:i*p)*B;
end
toc

tic
C2 = A*kron(eye(k),B);
toc

tic
A = reshape(permute(reshape(A,m,p,[]),[1 3 2]),m*k,[]);
C3 = A*B;
C3 = reshape(permute(reshape(C3,m,k,[]),[1 3 2]),m,[]);
toc

【问题讨论】:

  • 块 A_1 到 A_k 的大小为 mxp?
  • 是的。此外,mn 和 p 可以非常大。
  • 您尝试过简单的 for 循环吗?据我所知,在这种情况下这是最快的可能性。

标签: matlab matrix matrix-multiplication submatrix


【解决方案1】:

当我查看您的矩阵乘法代码时,您在循环中拥有完美优化的代码。您无法击败矩阵乘法。您可以减少的一切都是迭代的开销,但与矩阵乘法的长运行时间相比,开销绝对没有影响。

当循环内的操作微不足道但循环迭代多次时,您尝试做的将是正确的策略。如果您采用以下参数,您会注意到您的permute 解决方案实际上具有它的优势,但不适用于您的问题维度:

q=1;p=1;n=1;m=1;
k=10^6

Kron 完全失败了。您的置换解决方案采用0.006s,而循环采用1.512s

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 2013-07-07
    • 2021-12-04
    • 1970-01-01
    • 2018-07-09
    • 1970-01-01
    • 2012-01-31
    • 2019-11-15
    • 1970-01-01
    相关资源
    最近更新 更多