В Matlab, когда оптимально использовать bsxfun?

в моем случае, я использую bsxfun потому что это позволяет мне не думать о проблемах столбца или строки.

чтобы написать свой пример:

A = A - (ones(size(A, 1), 1) * mean(A));

я должен решить несколько проблем:

1) size(A,1) или size(A,2)

2) ones(sizes(A,1),1) или ones(1,sizes(A,1))

3) ones(size(A, 1), 1) * mean(A) или mean(A)*ones(size(A, 1), 1)

4) mean(A) или mean(A,2)

когда я использую bsxfun, Я просто должен решить последний:

a)mean(A) или mean(A,2)

вы можете подумать, что это лениво или что-то, но когда я использую bsxfun, Я меньше ошибок и быстрее.

кроме того, он короче, что улучшает скорость набора текста и читабельности.

очень интересный вопрос! Я недавно наткнулся именно на такую ситуацию, отвечая этой вопрос. Рассмотрим следующий код, который вычисляет индексы скользящего окна размера 3 через вектор a:

a = rand(1e7,1);

tic;
idx = bsxfun(@plus, [0:2]', 1:numel(a)-2);
toc

% equivalent code from im2col function in MATLAB
tic;
idx0 = repmat([0:2]', 1, numel(a)-2);
idx1 = repmat(1:numel(a)-2, 3, 1);
idx2 = idx0+idx1;
toc;

isequal(idx, idx2)

Elapsed time is 0.297987 seconds.
Elapsed time is 0.501047 seconds.

ans =

 1

в этом случае bsxfun - это почти в два раза быстрее! Это полезно и быстро, потому что избегает явного выделения памяти для матриц idx0 и idx1, сохранение их в памяти, а затем чтение их опять же, чтобы добавить их. Поскольку пропускная способность памяти является ценным активом и часто узким местом на современных архитектурах, вы хотите использовать его с умом и уменьшить требования к памяти вашего кода для повышения производительности.

bsxfun позволяет сделать именно это: создать матрицу, основанную на применении произвольного оператора ко всем парам элементов двух векторов, а не работать явно на двух матрицах, полученных путем репликации векторов. То есть синглтон расширение. Вы также можете думать об этом как внешняя продукта от Бласа:

v1=[0:2]';
v2 = 1:numel(a)-2;
tic;
vout = v1*v2;
toc
Elapsed time is 0.309763 seconds.

умножить два вектора, чтобы получить матрицу. Только то, что внешний продукт выполняет только умножение, и bsxfun можно применять произвольные операторы. В качестве примечания, это очень интересно видеть, что bsxfun так же быстро, как внешний продукт BLAS. А кощунством принято считать доставку the производительность..

Edit спасибо к комментарию Дэна, вот большой статья Лорена обсуждаем именно это.

начиная с R2016b, Matlab поддерживает Неявного Расширения для большого разнообразия операторов, поэтому в большинстве случаев больше не нужно использовать bsxfun:

ранее эта функция была доступна через . Теперь рекомендуется заменить большинство применений bsxfun с прямым вызовы функций и операторов, поддерживающих неявного расширения. По сравнению с использованием bsxfun,неявное расширение предложения быстрее скорости, лучше памяти и улучшена читаемость кода.

здесь подробное обсуждение на Неявного Расширения и его выступление в блоге Лорена. К цитата Стив Эддинс из MathWorks:

В R2016b, неявного расширения работает так же быстро или быстрее, чем bsxfun в большинстве случаев. Лучший прирост производительности для неявного расширения С небольшими размерами матрицы и массива. Для больших размеров матрицы неявное расширение имеет тенденцию быть примерно такой же скоростью, как bsxfun.

вещи не всегда согласуются с 3 общими методами:repmat, расширительный на те индексации, и bsxfun. Это становится гораздо интереснее, когда вы увеличиваете размер вектора еще больше. Смотрите сюжет:

bsxfun на самом деле становится немного медленнее, чем два других в какой-то момент, но что меня удивило, это при увеличении размера вектора даже больше (>13E6 выходных элементов), bsxfun вдруг снова становится быстрее примерно в 3 раза. Их скорости, кажется, прыгать в шагах и порядке не всегда последовательны. Я предполагаю, что это может быть процессор/размер памяти тоже зависит, но в целом я думаю, что я бы придерживался bsxfun всякий раз, когда это возможно.