matlab計算速度？

01-08

matlab計算速度是快還是慢呢？進行512X512的矩陣奇異值分解只要0.2s左右

我正好做了一些對matlab程序加速的項目，我在這分享一下吧。

首先matlab並不是高效的，我們應該清楚。雖然他使用了mkl庫，也做了很多向量優化，但是對於他這種腳本語言，在保證通用性的情況下，是很難保證效率的。

從我優化的經驗上來看，使用matlab，切記不要使用for循環，這會極大地拉低效率。

給大家舉個例子，我優化了一個matlab程序，其中用到了反覆迭代，去擬合結果，用原生的matlab跑需要2個小時，用c語言重寫後，只需要幾分鐘。問題出在哪了呢？因為程序中包含一個for循環的迭代過程，還有大量的程序調用。

為什麼程序調用和for循環迭代會拉低效率呢？

首先，matlab對函數的參數，是沒有傳引用這種方法的，是將參數進行拷貝，然後才進行傳遞。更通俗點說，他不能像c語言那樣，傳一個指針進函數，必須要把一個數組複製一遍，然後把複製的數組傳進去。這不僅消耗了內存，還消耗了時間。

for循環為什麼會低呢？matlab程序語句調用的開銷是很大的。彌補的方式是利用向量化。但是for循環前後有依賴關係，是不能進行向量化操作的，這造成了for迭代效率低。

解決辦法很簡單，也有複雜的。

方法一：利用matlab的coder將核心計算函數反編譯成c程序。但這個程序可讀性較低。不過對其性能提升已經有了很大幫助了，至少能提高2~3倍的效率。

方法二：手動寫c擴展，然後用mex編譯成matlab插件。為什麼要手寫呢，因為matlab還是不太智能，它反編譯的c程序有很多冗餘內容。自己手動寫的擴展，效率提升會更大。而且還可以用上intel那套高性能套件，去手動進行向量化等，對性能提升又是一個助力。

=====================================

串列的程序是很難挑戰並行程序的權威的。matlab並行化可以用他的parallel toolbox。但其實他的效率並不高。hack的方法，是用matlab調用mex的c擴展，然後在c程序中開一個進程池，然後自己手動進行調度。不過這有點複雜。對於一般的程序，worker就足夠了。

然後就是gpu擴展了。matlab是原生支持cuda的。但是其效率並不高。如果直接用gpuArray的話，執行簡單的操作時很高效的，但是邏輯複雜的話，就不要用這個了。matlab支持直接調用cuda函數，是通過使用gpuFavel。也可以用mex編譯，這樣效率是最好的。

還有一些優化方法，好多都是細節上的。優化到極致，在不改演算法的情況下，快幾十倍，是一件不太困難的實情。

對於向量化的運算，你不太可能寫出一個比matlab更快的了

看你的應用場景,如果你單純把matlab作為一個數值計算的計算器來用,快,應該是最快的之一,因為底層用了高度優化的高效計算庫,所以你自己用標準C來寫,都比不上它的速度.

但是一般而言一個完整的程序都不會是一個單純的數值計算,如果你要打開關閉文件,要用到很多函數,要有循環和判斷,那麼,慢,慢的慘不忍睹.

循環慢矩陣快；

特定函數快(如fft)，其他的函數慢；

總體上比C和Fortran慢；

數值計算比Python和其他腳本快。

最重要的開發速度快

做symbolic計算的話慢死爹了～～