我正在尝试学习一些 Julia,在阅读了几个小时的手册后,我编写了以下代码:
ie = 200;
ez = zeros(ie + 1);
hy = zeros(ie);
fdtd1d (steps)=
for n in 1:steps
for i in 2:ie
ez[i]+= (hy[i] - hy[i-1])
end
ez[1]= sin(n/10)
for i in 1:ie
hy[i]+= (ez[i+1]- ez[i])
end
end
@time fdtd1d(10000);
elapsed time: 2.283153795 seconds (239659044 bytes allocated)
我相信它正在优化中,因为它比相应的 Mathematica 版本慢得多:
ie = 200;
ez = ConstantArray[0., {ie + 1}];
hy = ConstantArray[0., {ie}];
fdtd1d = Compile[{{steps}},
Module[{ie = ie, ez = ez, hy = hy},
Do[ez[[2 ;; ie]] += (hy[[2 ;; ie]] - hy[[1 ;; ie - 1]]);
ez[[1]] = Sin[n/10];
hy[[1 ;; ie]] += (ez[[2 ;; ie + 1]] - ez[[1 ;; ie]]), {n,
steps}]; Sow@ez; Sow@hy]];
result = fdtd1d[10000]; // AbsoluteTiming
{0.1280000, Null}
那么,如何制作
fdtd1d
的 Julia 版本快点?
最佳答案
两件事情:
第一次运行该函数时,时间将包括代码的编译时间。如果您想对 Mathematica 中的已编译函数进行苹果与苹果的比较,您应该运行该函数两次,并在第二次运行时计时。用你的代码我得到:
elapsed time: 1.156531976 seconds (447764964 bytes allocated)
对于第一次运行,包括编译时间和
elapsed time: 1.135681299 seconds (447520048 bytes allocated)
不需要编译时的第二次运行。
第二件事,可以说是更大的事情,是你应该避免在性能关键代码中使用全局变量。这是the performance tips section of the manual中的第一个提示.
这是使用局部变量的相同代码:
function fdtd1d_local(steps, ie = 200)
ez = zeros(ie + 1);
hy = zeros(ie);
for n in 1:steps
for i in 2:ie
ez[i]+= (hy[i] - hy[i-1])
end
ez[1]= sin(n/10)
for i in 1:ie
hy[i]+= (ez[i+1]- ez[i])
end
end
return (ez, hy)
end
fdtd1d_local(10000)
@time fdtd1d_local(10000);
在我的机器上比较你的 Mathematica 代码给出
{0.094005, Null}
而结果来自
@time
为 fdtd1d_local
是:elapsed time: 0.015188926 seconds (4176 bytes allocated)
或者大约快 6 倍。全局变量有很大的不同。
关于wolfram-mathematica - 如何提高这段代码的性能?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23193677/