MATLAB code 加速

MATLAB code 加速

实验平台：联想小新air13 2018款，CPU-i5 8265U 4核心

参考视频链接： How to speed up MATLAB code.mp4

利用探查器对脚本语句进行改进

1、查看脚本运行时间

使用tictoc命令：

tic; randGrid_start; toc

时间已过 100.763126 秒。

2、step1 预分配内存

代码分析器如下图右方显示：

🍊 桔色代表可以进行一些改进，🍏绿色表示代码准备就绪。上图显示： A，B 矩阵随迭代次数变化，简单的改进为：为 A，B 预分配内存，如代码randGrid_step1.m所示。

tic; randGrid_step1; toc

时间已过 1.180223 秒。

3、step2 使用 MATLAB 探查器

• 进入探查器：主页 > 运行并计时
  
• a. 输入脚本名称， b. 点击开始探查，c. 进入函数

2. 查看代码耗时较多语句：
   
   ​ 显示在随机数分配耗时较多。

3. 改进随机数分配，见代码randGrid_step2.m

   对randGrid_step2.m进行探查
   

4、step3 使用逻辑数组改进判断语句：

使用MATLAB逻辑索引进行向量化操作，见代码randGrid_step3.m

使用逻辑数组 idx， 满足条件即赋值。

使用多核心并行运算

1、 查看脚本运行时间

脚本randGridEig_start.m，计算矩阵的最大特征向量

tic; randGridEig_start; toc

时间已过 882.065692 秒。

大部分时间花在计算循环中特征值的部分，没法改进循环的可能性。

2、 利用多个核心进行计算

这种情况下，利用计算机的多个核心，分别计算每个循环迭代任务，然后合并结果。

使用Parallel Computing Toolbox来完成。

在命令行窗口输入：

>> parpool

创建MATLAB worker的并行池。

Starting parallel pool (parpool) using the ‘local’ profile …
connected to 4 workers.

ans =

Pool - 属性:

        Connected: true
       NumWorkers: 4
          Cluster: local
    AttachedFiles: {}
AutoAddClientPath: true
      IdleTimeout: 30 minutes (30 minutes remaining)
      SpmdEnabled: true

本机为4核心处理器。

将for循环改为parfor循环：

查看运行时间：

tic; randGridEig_step1; toc

时间已过 731.125419 秒。

notes:

• 执行并行任务会带来时间损失，例如通信开销和并行池设置，建议进行一些时间测试，以确保使用并行计算是值得的；
• 所有的串行代码不一定适宜并行化

其他方法

Accelerating MATLAB Algorithms and Applications