matlab for 比较<,关于性能：Matlab和Octave中“ for”循环的时间比较

刚才，我知道Matlab＆Octave使用了Wikipedia中的column-major。

Column-major order is used in Fortran, OpenGL and OpenGL ES, MATLAB,

GNU Octave, R, Julia, Rasdaman, and Scilab.

所以我只是在Matlab和Octave中检查" for loop"速度。 结果如下：

Matlab的

>> x = rand(10000);

>> tic; for i=1:10000 for j=1:10000 k=x(i,j); end; end; toc; % row-major

Elapsed time is 2.320215 seconds.

>> tic; for i=1:10000 for j=1:10000 k=x(j,i); end; end; toc; % column-major

Elapsed time is 0.433013 seconds.

不出所料，列优先顺序比行优先顺序快。

八度

> x=rand(5000);

> tic; for i=1:5000 for j=1:5000 k=x(i,j); end; end; toc; % row-major

Elapsed time is 77 seconds.

> tic; for i=1:5000 for j=1:5000 k=x(j,i); end; end; toc; % column-major

Elapsed time is 78 seconds.

在两种情况下结果都是相同的。

题：

为什么行优先循环和列优先循环在Octave中执行相似的操作，尽管它使用列优先对齐方式？

这可能可以解释某些情况，尤其是Octaves缺乏JIT的情况：stackoverflow.com/questions/12569351/

我已经看到了该链接。 它给出了为什么Matlab循环比八度要快得多(10000x10000 v / s为0.5秒，八度为5000x5000为78秒)的见解，但我没有提到我的问题。

使用feature accel off再次运行测试，我发现行或列优先版本之间没有真正的区别(非常类似于您的Octave结果)。 因此，JIT编译是时间上的差异，我想非矢量化循环与JIT编译器正在使用的矢量化版本一样，并不依赖于如何访问矩阵。

哦，太酷了。 但是，为什么Matlab和Octave都没有区别呢？ 我的意思是，以任何方式，按列循环都应该更快，对吗？

如果您尝试对整个列或行进行操作，则会发现有所不同。在MATLAB和Octave中尝试以下代码：

%% Columns

a = rand(n);

b = zeros(n,1);

tic

for ii = 1:n

b = b + a(:,ii);

end

t1 = toc

%% Rows:

a = rand(n);

b = zeros(1,n);

tic

for ii = 1:n

b = b + a(ii,:);

end

t2 = toc

在我的计算机上，这给出了：

%% MATLAB:

t1 =  0.0287

t2 =  0.3778

%% Octave*:

t1 =  0.089480

t2 =  0.20313

现在，八度音阶的差异不如MATLAB中的大，但在八度音阶中仍是一个显着的差异(快两倍以上)。

David已经发布了有关JIT编译的答案，因此在这里我将跳过这一部分。

*我没有Octave，所以我不得不在这里进行测试。

为了扩大我的评论，我将发布答案。我对此不是专家。

首先，在Matlab中使用feature accel off运行测试以禁用JIT编译，返回的结果与Octave的结果大致相同。因此，Matlab和Octave之间的速度提高归因于Matlab的JIT编译，该编译必须对循环进行矢量化处理。

其次，Matlab的JIT编译版本的列优先级比行优先级更快的原因是因为Matlab是列优先级的，这是有道理的。

然后，对于没有JIT编译的Octave和Matlab，列优先评估都快了一点。由于每个值都是分别从随机矩阵中提取的，因此我可以理解为什么这样做会很慢，但为什么行或列之间的差异最大呢？

希望无论如何都会有所帮助，也许其他人可以扩大/改进它或发布真实的答案！

+1作为答案。 但是我仍然不明白为什么没有JIT就没有区别。

我认为这仅仅是由于以下事实：Matlab / Octave每次循环迭代都必须去检索矩阵的单个元素，使用它进行计算，然后检索下一个元素。 它不是将矩阵的各列加载到缓存中并使用每个元素，而是在加载缓存中的单个元素，然后删除(？)它们，然后将下一个元素加载到缓存中。