Question

我有一个巨大的矩阵（584064x5369468），我必须在Matlab中使用稀疏矩阵，但在我的计算中，将值分配给稀疏矩阵非常慢。我迫不及待想要完成它，我该怎么做。

cgm=sparse(584064,5369468);
[Xcp, Ycp, Zcp] = ndgrid(-[1:336],-[1:45],-[1:336]);
% dp my data which is loaded

for sg=1:335 
    for tg=1:44
        for rg=1:335
            % ii is a vector i.e the size of ii = 309x1
            fprintf('Constructing patch: %i %i %i',sg,tg,rg)
            ii=find(abs((Xcp(sg,tg,rg))<=abs(dp(:,1)))&abs((dp(:,1))<abs(Xcp(sg+1,tg,rg)))&(abs(Ycp(sg,tg,rg))<=abs(dp(:,2)))& (abs(dp(:,2))<abs(Ycp(sg,tg+1,rg)))& (abs(Zcp(sg,tg,rg))<=abs(dp(:,3)))&(abs(dp(:,3))<abs(Zcp(sg,tg,rg+1))));

              % jj is another vector i.e the size of jj = 64*1
              %the ii size is changing every time but the size of jj is always 64. ii is non-zero values and can be between 1 and 584064 .
              % c is my matrix after calculation i.e c = 309x64
             cgm(ii,jj)=c;
        end
     end
end

对于第一个内部循环，它变得非常快，但它变得越来越慢，越来越慢。

我知道为稀疏矩阵赋值意味着重新打包所有内容并且速度很慢，但是如何在我的代码中重新打包它？

由于

Answer 1

正如上面提到的@beaker，正如我在 Accelerating Matlab Performance 一书中解释的那样，使用sparse或spdiags函数比使用索引赋值要快得多。你的代码。

原因是任何这样的分配都会导致稀疏数据的内部表示的重建，这需要重新排列的数据元素越来越慢。

相反，您应该将数据索引（ii和jj）以及分配的数据（c）累积到循环中的三个单独数组中，然后外部循环使用一次调用sparse(ii,jj,c)来一次更新矩阵。这会快得多。

有关稀疏数据的其他详细信息和建议，请参阅本书中的第137-140页。

稀疏矩阵在循环中非常慢，如何在Matlab中加速它

1 个答案: