为什么我在使用 MATLAB 编译器时没有看到显着的加速？答案

【问题标题】：Why don't I see a significant speed-up when using the MATLAB compiler?为什么我在使用 MATLAB 编译器时没有看到显着的加速？
【发布时间】：2010-09-13 07:32:44
【问题描述】：

我有很多很好的 MATLAB 代码，它们运行速度太慢，用 C 重写会很痛苦。C 的 MATLAB 编译器似乎没有太大帮助，如果有的话。是否应该加快执行速度？我是不是搞砸了？

标签： c performance matlab matlab-compiler

【解决方案1】：

根据我的经验，缓慢的 MATLAB 代码通常来自未对代码进行矢量化（即，编写 for 循环而不是仅仅将数组相乘（简单示例））。

如果您正在执行文件 I/O，请注意一次读取一个数据。在帮助文件中查找 fscanf 的矢量化版本。

不要忘记 MATLAB 也包含一个分析器！

【讨论】：

【解决方案2】：

您所说的 Matlab 编译器可能是指命令 mcc，它通过绕过 Matlab 解释器来稍微加快代码速度。显着加速 MAtlab 代码（50-200 倍）的是使用由 mex 命令编译的实际 C 代码。

【讨论】：

【解决方案3】：

我会回应 dwj 所说的：如果您的 MATLAB 代码很慢，这可能是因为它没有充分矢量化。如果您在可以对整个数组执行操作时执行显式循环，那就是罪魁祸首。

这同样适用于所有面向数组的动态语言：Perl 数据语言、Numeric Python、MATLAB/Octave 等。在编译的 C 和 FORTRAN 编译的代码中甚至在某种程度上是正确的：专门设计的向量化库通常使用小心手-编码的内部循环和 SIMD 指令（例如 MMX、SSE、AltiVec）。

【讨论】：

【解决方案4】：

正如其他人所指出的，缓慢的 Matlab 代码通常是向量化不足的结果。

但是，有时即使是完美的矢量化代码也很慢。然后，您还有更多选择：

看看是否有可以使用的库/工具箱。这些通常写得非常优化。
分析您的代码，找到漏洞并用纯 C 重写这些代码。将 C 代码（例如 DLL）连接到 Matlab 很容易，文档中对此进行了介绍。

【讨论】：

【解决方案5】：

如果您使用的是MATLAB complier（在最新版本的 MATLAB 上），那么您几乎肯定不会看到任何加速。这是因为编译器实际上所做的只是为您提供了一种打包代码的方法，以便可以将其分发给没有 MATLAB 的人。它不会将它转换为更快的东西（例如机器代码或 C）——它只是将它包装在 C 中以便你可以调用它。

它通过让您的代码在本质上是 MATLAB 计算内核的 MATLAB Compiler Runtime (MCR) 上运行来实现 - 您的代码仍在被解释。由于必须调用 MCR 所带来的损失，您可能会发现编译后的代码比在 MATLAB 上运行时运行得更慢。

换一种说法 - 你可能会说编译器实际上并没有编译 - 至少在这个词的传统意义上。

旧版本的编译器工作方式不同，在某些情况下可能会出现加速。对于 Mathwork 对此的看法，请访问

http://www.mathworks.com/support/solutions/data/1-1ARNS.html

【讨论】：

【解决方案6】：

mcc 根本不会加速你的代码——它不是真正的编译器。

在你放弃之前，你需要运行分析器并弄清楚你所有的时间都花在了哪里（工具->打开分析器）。此外，明智地使用“tic”和“toc”会有所帮助。在你知道时间在哪里之前不要优化你的代码（不要试图猜测）。

请记住，在 matlab 中：

位级操作真的很慢
文件 I/O 很慢
循环通常很慢，但向量化很快（如果您不了解向量语法，请学习）
核心运算速度非常快（例如矩阵乘法、fft）
如果您认为可以在 C/Fortran/etc 中更快地完成某些事情，您可以编写一个 MEX 文件
有将 matlab 转换为 C 的商业解决方案（谷歌“matlab to c”）并且它们有效

【讨论】：

【解决方案7】：

首先，我对上面所有关于剖析和矢量化的 cmets 表示赞同。

从历史的角度来看...

旧版本的 Matlab 允许用户通过预先解析 m 代码并将其转换为一组 matlab 库调用，将 m 文件转换为 mex 函数。这些调用具有解释器所做的所有错误检查，但旧版本的解释器和/或在线解析器速度很慢，因此编译 m 文件有时会有所帮助。通常当你有循环时它会有所帮助，因为 Matlab 足够聪明，可以在 C 中内联其中的一些。如果你有这些版本的 Matlab 之一，你可以尝试告诉 mex 脚本保存 .c 文件，你可以确切地看到它是什么正在做。

在更新的版本中（可能是 2006a 及更高版本，但我不记得了），Mathworks 开始使用即时编译器作为解释器。实际上，这个 JIT 编译器会自动编译所有 mex 函数，因此显式地离线执行它根本没有帮助。从那时起，在每个版本中，他们也付出了很多努力来提高解释器的速度。我相信较新版本的 Matlab 甚至不允许您将 m 文件自动编译为 mex 文件，因为它不再有意义。

【讨论】：

【解决方案8】：

您是否尝试过分析您的代码？你不需要向量化你的所有代码，只需要控制运行时间的函数。 MATLAB 分析器将为您提供一些关于您的代码花费最多时间的提示。

您应该阅读 MathWorks 手册中的 Tips For Improving Performance 部分的许多其他内容。

【讨论】：

【解决方案9】：

您可以将您的代码移植到“Embedded Matlab”，然后使用 Realtime-Workshop 将其翻译成 C。

嵌入式 Matlab 是 Matlab 的一个子集。它不支持单元阵列、图形、动态大小的 Marice 或某些矩阵寻址模式。移植到嵌入式 Matlab 可能需要付出相当大的努力。

Realtime-Workshop 是代码生成产品的核心。它提供通用 C，或者可以针对一系列嵌入式平台进行优化。您最感兴趣的可能是 xPC-Target，它将通用硬件视为嵌入式目标。

【讨论】：

【解决方案10】：

MATLAB 编译器封装您的 m 代码并将其分派到 MATLAB 运行时。因此，您在 MATLAB 中看到的性能应该是您在编译器中看到的性能。

根据其他答案，对代码进行矢量化很有帮助。但是，如今 MATLAB JIT 已经相当不错了，而且很多东西在矢量化方面的表现大致相同。这并不是说矢量化没有性能优势，只是它不再是曾经的灵丹妙药。真正分辨的唯一方法是使用分析器找出您的代码在哪里遇到瓶颈。通常，您可以在某些地方进行本地重构以真正提高代码的性能。

您可以采用其他几种硬件方法来提高性能。首先，大部分线性代数子系统都是多线程的。如果您在多核或多处理器平台上工作，您可能需要确保已在首选项中启用该功能。其次，您可以使用并行计算工具箱来更多地利用多个处理器。最后，如果您是 Simulink 用户，您也许可以使用 emlmex 将 m-code 编译成 c。这对于定点工作特别有效。

【讨论】：

【解决方案11】：

我会投票支持分析 + 然后看看瓶颈是什么。

如果瓶颈是矩阵数学，你可能不会做得更好......除了一个大问题是数组分配。例如如果你有一个循环：

s = [];
for i = 1:50000
  s(i) = 3;
end

这必须不断调整数组的大小；预先确定数组的大小（从零或 NaN 开始）并从那里填充它要快得多：

s = zeros(50000,1);
for i = 1:50000
  s(i) = 3;
end

如果瓶颈是重复执行大量函数调用，那就很难了。

如果瓶颈是 MATLAB 无法快速完成的事情（某些类型的解析、XML 等），那么我会使用 Java，因为 MATLAB 已经在 JVM 上运行，并且它非常容易与任意 JAR 文件接口。我查看了与 C/C++ 的接口，它真的很难看。 Microsoft COM 还可以（仅在 Windows 上），但在学习 Java 之后，我想我再也不会回到那个了。

【讨论】：