我有一个关于 matlab 中的 sum 的问题。
对于向量(1xN 矩阵)，sum 似乎是并行化的。例如，
a=rand(1,100000000);
maxNumCompThreads(2);
tic;for ii=1:20;b=sum(a,2);end;toc
maxNumCompThreads(1);
tic;for ii=1:20;b=sum(a,2);end;toc
> Elapsed time is 1.219342 seconds.
> Elapsed time is 2.393047 seconds.
但是如果我考虑一个 2xN 矩阵，
a=rand(2,100000000);
maxNumCompThreads(2);
tic;for ii=1:20;b=sum(a,2);end;toc
maxNumCompThreads(1);
tic;for ii=1:20;b=sum(a,2);end;toc
> Elapsed time is 7.614303 seconds.
> Elapsed time is 7.432590 seconds.
在这种情况下，sum 似乎没有从额外的核心中获益。
有人遇到过这个吗？我想知道这是否可能是由于索引开销以及是否有可能在 2xN 矩阵的情况下使 sum 更快。
非常感谢。
最佳答案
这是 MATLAB 不太清楚的地方。每当您创建一个数组时，MATLAB 都会生成一个行向量，但在幕后它实际上更喜欢列向量。因此，按行(第一维)对数组求和比按行(第二维)求和更快。对于您的情况，如果您将 a 转换为行优先表示并在第一个维度中执行 sum ，将会看到好处。在我的机器上，我得到以下内容
a = rand(100000000, 2);
maxNumCompThreads(2);
tic; for ii=1:20; b=sum(a,1); end; toc
maxNumCompThreads(1);
tic; for ii=1:20; b=sum(a,1); end; toc
> Elapsed time is 2.485628 seconds.
> Elapsed time is 4.381082 seconds.
关于arrays - 多维数组上的 Matlab 求和性能，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/17626367/