加快 MATLAB 中的随机数生成答案

【问题标题】：Speed up random number generation in MATLAB加快 MATLAB 中的随机数生成
【发布时间】：2017-01-08 03:19:18
【问题描述】：

有什么方法可以生成精度较低的伪随机数，从而加快处理速度？

另一件事是，我知道如果一次生成所有随机数（例如rand(100,1000)）而不是一个一个生成，它可以节省时间。有人可以解释为什么这是真的吗？

【问题讨论】：

根据the documentation，您可以将输出指定为'single' 精度。如果没有更多关于你到底在做什么的背景，很难回答“为什么这么慢”的问题
我认为将输出指定为“单个”只会改变输出本身。因此，这些数字的计算精度与以前相同，并且在之后四舍五入，这对速度没有帮助。没有与此相关的特定程序，如果可能的话，我只是感兴趣。
必须有 some 程序会产生这个问题。在我的机器上生成 900 万个随机数需要 0.047 秒。这并不慢。
为什么几乎可以肯定是因为Matlab是一个解释器，它在解释器阶段解析语句之后调用编译的库模块。对带有 args 的已编译库模块的一次调用以在内部进行 1000 次计算将比 1000 次解释器解析/调用以每次调用执行一项操作要快。
@excaza 是的，我同意它并不慢，但我感兴趣的是，理论上，是否有可能以较低的精度生成它们，或者它是否由生成算法，它们被计算到一定的精度。

标签： performance matlab random vectorization precision

【解决方案1】：

自 R2015a 起，用于配置和播种全局生成器的 rng 函数有一个 'simdTwister' 选项，该选项使用更快的“SIMD-oriented Fast Mersenne Twister”算法：

rng(1,'twister');
R = rand(1e4); % Warmup for timing
tic
R = rand(1e4);
toc

rng(1,'simdTwister');
R = rand(1e4); % Warmup for timing
tic
R = rand(1e4);
toc

这可能是您系统中最快的内置生成器（基于 GPU 的生成器除外）。在我的计算机上，它比大型数组的默认 Mersenne Twister algorithm 快两倍多一点。

【讨论】：

【解决方案2】：

如果你有一个支持 CUDA 的 GPU，你可以使用random number generation on it，因为它应该会更快...特别是Philox4x32-10：

parallel.gpu.rng(0, 'Philox4x32-10');
R = gpuArray.rand(sZ,'single'); % run this for more info: doc('gpuArray/rand')

【讨论】：

【解决方案3】：

MATLAB 实际上实现了多个随机数生成器。它们在执行时间和“随机性”方面存在显着差异（我认为，但我没有验证）。但是，我从您的问题中了解到，速度对您来说更重要。

% 'twister' is the default in MATLAB Versions 7.4 and later
tic();
for i=1:1000000
    rand('twister'); 
end
toc();
%Elapsed time is 2.912960 seconds.

% 'state' is the default in MATLAB versions 5 through 7.3
tic();
for i=1:1000000
    rand('state'); 
end
toc(); 
% Elapsed time is 2.162040 seconds.

% 'seed' is the default in MATLAB version 4
tic();
for i=1:1000000
    rand('seed'); 
end
toc();
% Elapsed time is 0.758830 seconds.

重要提示：我使用相当旧版本的 MATLAB（v.7.6，又名 R2008a）运行上面的脚本。在较新的版本中，语法为 rand(generator) is discouraged 。相反，您应该使用函数rng(seed, generator) (online documentation)。作为副作用，rng(seed, generator) 为您提供了更多随机数生成器可供选择。详情请查看文档。

关于第二个问题：无论您选择哪种生成器，一次生成多个随机数总是比生成多个单个随机数要快。这是因为 MATLAB 的内部针对并行处理进行了大量优化。

tic();
for i=1:100000
    rand(); 
end
toc();
% Elapsed time is 0.024388 seconds.

tic();
rand(100, 1000);
toc();
% Elapsed time is 0.000680 seconds.

【讨论】：