[轉載]MATLAB程式碼分析最佳化加速

標籤：

Profile(分析）
在加速你的matlab程式之前，你需要知道你的代碼哪一部分運行最慢。matlab提供個簡單的機制，讓你能夠知道你的代碼的某一部分運行所佔用CPU時間。通過在程式碼片段開始添加tic，及在結束添加toc；matlab就能計算出這一程式碼片段的已耗用時間。
Tic和toc方法存在兩個問題：
（1）顯示的時間是已耗用時間“wall clock”。這個時間受你在運行你的代碼時，你的電腦是否同時運行其它別的程式。
（2）你需要不斷地壓縮計時範圍來尋找你代碼運行最慢的位置。
一個最好的方法是利用matlab 內嵌的程式碼分析器。在你的程式前面通過添加命令profile on;及在程式結束添加profile viewer;並運行你的程式。當程式正常運行結束時，程式碼分析器視窗將彈出，並顯示分析結果。它包含的資訊有：
Function Name :函數名；
Calls :函數被調用次數；
Total Time :執行該函數的CPU總用時，包含任何其它被它調用的函數的CPU時間。
Self Time :執行該函數的CUP總用時，不包含任何其它被它調用的函數的CUP時間。
Total Time Plot :時間用時的曲線圖。
以上資訊可進行各種排序和詳細查看。
注意：當你完成你的程式碼分析後，請刪除profile on和profile viewer，因為內嵌程式碼分析器會使用的程式運行變慢。
標準提示
☆有問題找協助文檔。學會使用協助文檔，學會針對待解決的問題檢索文檔資料。
☆效能
查看MATLAB->Programming->Improving Performace and Memory Usage;或MATLAB->Programming Fundamentals->Performace->Techniques for Improveing Performace。
多線程
如果你使用的是多核心的電腦，那麼你就可以讓Matlab同時運行多個線程，Matlab程式中一些底層的函數(Low-level function)就有可能採用並行計算的方法。開啟多線程的方法：File->Preferences選擇General->Multithreading。扣選Enable multihread computation box。如果不限制使用核心的數目，可以保留使用Automatic。
注意：Matlab R2008a之前的版本在AMD處理器上是不支援多線程的。
向量化迴圈
Matlab的運算是針對向量（向量）和矩陣進行設計的，因此它在向量和矩陣上的運算速度比採用迴圈的方式更快。
例如：
index=0;
for time=0:0.001:60;
index=index+1;
waveForm(index)=cos(time);
end;
採用以下代碼可加快速度。
Time=0:0.01:60;
waveForm=cos(time);
一些有用的，可用於代替迴圈的函數：
any();size();find();cumsum();sum();
向量預分配
Matlab採用記憶體中一塊連續的空間來儲存向量和矩陣資料，而不是用鏈表。這就意味著你每給向量或矩陣增加一元素，Matlab需要尋找一塊足夠大的記憶體地區來儲存這個擴大後的向量或矩陣，然後複製現有的資料到新的記憶體地區。在迴圈中增加向量或矩陣元素的元數是允許的，但並不是明智之舉，而應該是一次性分配向量或矩陣的大小，或一次性重定義尺寸。
Results=0;
for index=2:1000;
results(index)=results(index-1)+index;
end
上述代碼將比以下代碼速度慢：
results=zeros(1,1000);
for index=2:1000;
results(kindex)=results(kindex-1)+index;
end;
注意：當你需要用zeros()來建立一個指定資料類型的向量或矩陣時，你可以使用建立參數來指定類型，而不是“重鑄”。results=int8(zeros(1,1000));將建立一個有1000個元素的double型零向量，然後把它轉換成int8類型。如果我們使用results=zeros(1,1000,’int8′); Matlab將支援建立1000個int8類型的向量，在建立可實現性及速度上將更具有優勢。
不要改變資料類型
Matlab為了能夠支援寬鬆的資料類型（例如一個變數能夠儲存不同類型的資料，而不是指定它為特定的資料類型），則Matlab除了儲存單純的資料之外，還需要伴隨資料存放區一定數量的頭資訊（header），這就意味著需要記憶體空間支儲存資料類型，同時意味需要在資料類型轉換上支付額外的電腦資源開支。
對於實資料使用　real…函數。
Matlab中的一些函數能夠同時適用於實類型資料和複類型資料。如果你只使用實資料，那麼採用特定的版本的，非複資料函數，那麼它啟動並執行速度將變得更快。這些函數如：reallog(), realpow(),realsqrt()。
使用“短路”邏輯操作
Matlab的“短路”邏輯操作可以在判斷條件達到充分條件後就停止計算處理，而不需要知道判斷所有條件。例如：if(index>=3)&&(data(index)==5); 當index小於3時，第二個條件判斷將不被處理，這樣就少了去判斷data(index)==5)的時間，提高速度。
使用函數指標
Matlab的一些函數使用函數名作用參數，常用一個變數支儲存這個函數名字串（）如：func=’tan’;然後用這個變數作為函數的參數：fzero(func,0))。這種方法對於簡單的函數調用是很好的，但是對於在迴圈中的重複調用就存在兩個問題：
（1）在每一個迴圈中，Matlab需要去搜尋這個函數的路徑（如tan），這需要花費時間。
（2）在迴圈過程中，路徑可能會改變。這會保證在這一次迴圈中，某個版本的函數(如tan)被首先調用，而下一次迴圈中這個版本的函數又被首先調用，最終會造成結果不一致。
解決的辦法是使用檔案指標([email protected];或[email protected]),它能返回函數唯一的識別碼。調用方式同上。
檔案I／O
通常進階輸入輸出操作（load()和save()）比一般的低級操作（fread()和fwrite()）快。
☆記憶體使用量
關於記憶體的使用可查看協助文檔Using Menory Efficently。可查與Memory Usage相關的資訊。
一定記註：可以使用whos()來查看資料變數佔有用的記憶體空間大小。
複製數組
當你複製一個數組時，Matlab開始只複製一個指向資料的一個指標，僅當你隨後對任一版本進行修時，資料的複製才真正的執行。這種操作包括數組作為函數參數進行傳遞的情況－作為值傳遞的參數傳遞，而不是作為參考的傳遞。因此，你應該盡量避開對大數組進行小改動的操作。
資料不用時，釋放記憶體
如果一個變數以後已經不再使用，那麼你可以刪除它clear VariableName;則這個小塊的資料將可以重用。
注意：如果各變數在記憶體是連續的，則Matlab很容易重用這些大塊的記憶體，因此最好是先建立大的變數，後再建立小的變數，並且把它們組合起來。
結構體儲存
上文已經提到，在Matlab中的變數包含有描述資料類型的頭資訊。對於一個結構體，則有一個描述整個結構的頭資訊，及每個元素也分別有一個頭資訊。為了最小化地使用記憶體，我們應該小心地使用混合資料類型的數組和結構。
例如：
pixel.red(1:600,1:400)
pixel.grn(1:600,1:400)
pixel.blu(1:600,1:400)
則我們就需要儲存4個頭資訊。而：
pixel(1:600,1:400).red
pixel(1:600,1:400).grn
pixel(1:600,1:400).blu
我們就有720001個頭資訊。
使用最小的合適的資料類型
為了減小記憶體使用量量，對於特定的運算經常使用最小的資料類型。例如：
（1）對於虛部為零的資料，最好不要用complex去儲存。
（2）如果精度足夠，可採用single變數，而不用double。
（3）使用uint16來進行計數操作，它能儲存值為0到65535。但它比預設的double型省一半的記憶體。
使用疏鬆陣列
如果矩陣絕大多的資料為零值，可以把它轉化成稀疏形式（使用sparse()函數）。它將只儲存非零資料的數值和索引。因為需要額外的儲存資料的索引，因此只有二維資料的零值大約超過75％時，這種方法才是有效，否則稀疏形式反而需要更多的記憶體空間。
☆並行迴圈
如果從一個for迴圈的外部看，for迴圈滿足以下標準：
（1）迴圈的計數是整數；
（2）每次迴圈都是獨立的；
（3）計算迴圈先後順序無關。
那麼這個for迴圈就有可能可以替換成parfor迴圈（matlab2008a中可用最佳化算開啟並行通訊池：parfor迴圈包含於matlabpool open 和matlabpool close之間）。
注意：開啟一個並行工作池worker pool大約需要10-15秒鐘，關閉一個工作池大概需要5秒鐘。計算這個時間在內，這個方法對於迴圈時間超過30秒的情況才是值得的。

   

[轉載]MATLAB程式碼分析最佳化加速