arrays - 在Matlab中，何时最佳使用bsxfun？

我的问题:我注意到，关于SO的Matlab问题的很多很好的答案经常使用bsxfun函数。为什么？

动机:在Matlab文档bsxfun中，提供了以下示例:

A = magic(5);
A = bsxfun(@minus, A, mean(A))

当然，我们可以使用以下方法执行相同的操作:

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

实际上，简单的速度测试表明第二种方法的速度提高了约20％。那么为什么要使用第一种方法呢？我猜在某些情况下，使用bsxfun会比“手动”方法快得多。我真的很想看到这种情况的示例，并解释为什么它更快。

同样，这个问题的最后一个元素，同样来自Matlab文档中的bsxfun:“C = bsxfun(fun，A，B)将由函数handle fun指定的逐元素二进制操作应用于数组A和B，其中单例扩展已启用。”。短语“启用单例扩展已启用”是什么意思？

最佳答案

我使用bsxfun的三个原因(documentation，blog link)

bsxfun比repmat更快(见下文)

bsxfun需要更少的键入

使用bsxfun就像使用accumarray一样，使我对Matlab的理解感到很好。

bsxfun将沿输入数组的“单维度”(即数组的大小为1的维度)复制输入数组，以便它们与另一个数组的相应维度的大小匹配。这就是所谓的“单子(monad)展开”。顺便说一句，如果您调用squeeze，则将删除单例尺寸。

对于很小的问题，repmat方法可能会更快-但在该数组大小下，两个操作都非常快，以至于在整体性能方面不会有任何不同。 bsxfun速度更快有两个重要原因:(1)计算是在编译后的代码中进行的，这意味着数组的实际复制将永远不会发生；(2)bsxfun是多线程Matlab函数之一。

我在相当快的笔记本电脑上使用R2012b在repmat和bsxfun之间进行了速度比较。

对我来说，bsxfun大约比repmat快3倍。如果数组变大，则差异会更加明显
repmat运行时的跳转发生在数组大小为1Mb左右，这可能与我的处理器缓存的大小有关-bsxfun的跳转没有那么糟糕，因为它只需要分配输出数组。

在下面可以找到我用于计时的代码:

n = 300;
k=1; %# k=100 for the second graph
a = ones(10,1);
rr = zeros(n,1);
bb=zeros(n,1);
ntt=100;
tt=zeros(ntt,1);
for i=1:n;
   r = rand(1,i*k);
   for it=1:ntt;
      tic,
      x=bsxfun(@plus,a,r);
      tt(it)=toc;
   end;
   bb(i)=median(tt);
   for it=1:ntt;
      tic,
      y=repmat(a,1,i*k)+repmat(r,10,1);
      tt(it)=toc;
   end;
   rr(i)=median(tt);
end

关于arrays - 在Matlab中，何时最佳使用bsxfun？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/12951453/