Question

我正在使用MATLAB R2018b mex函数将C ++库与我的MATLAB代码集成在一起。作为其中的一部分，我需要将数据保存在MATLAB数组中，并保存到C ++指针数组和C ++结构向量中。但是，映射matlab类型的数组被证明非常慢（对于〜800,000个元素，约为0.4秒）。

这是相关代码

const matlab::data::TypedArray<float> Vertices = std::move(inputs[0]); 
float* positions = new float[Vertices.getNumberofElements()];
for (size_t i = 0; i < Vertices.getDimensions()[0]; i ++)
{
    ctr = 9 * i;
    positions[ctr + 0] = Vertices[i][0];
    positions[ctr + 1] = Vertices[i][1];
    positions[ctr + 2] = Vertices[i][2]; 
}

是什么导致此循环变慢？我尝试为Vertices重新排序数组访问，以尝试使代码对缓存更友好，但这并没有产生有意义的加速。现在，对于80万个元素，循环约为0.4ms，理想情况下，内存复制应该花费更少的时间，对吗？

当我查看以前的建议时，我发现大多数答案都使用较旧的mex函数，而new（？）MATLAB C ++ API不具有相同的函数或结构。

编辑：

我遵循了Cris的建议，并在迭代器上进行了循环，从而将速度提高了一半，达到0.14秒。

我正在使用的新代码是：

    const matlab::data::TypedArray<float> Vertices = std::move(inputs[0]); 
    float* positions = new float[Vertices.getNumberofElements()];
for (auto it = Vertices.begin(); it != Vertices.end(); ++it)
{
    positions[ctr] = *it; 
    ++ctr; 
}

因此它更快，但仍然出奇的慢（800,000个元素需要0.14秒）。还有其他方法可以加快此循环吗？

Answer 1

通过应用Cris建议并使用以下代码，我得到了极大的提速：

const matlab::data::TypedArray<float> Vertices = std::move(inputs[0]);
float* positions = new float[Vertices.getNumberofElements()];
memcpy(positions,&*Vertices.begin,sizeof(float)*Vertices.getNumberofElements());

运行时从0.14（使用标准Visual Studio优化）变为0.0035，对于我的应用程序来说，这是可以接受的快速速度。

使用C ++进行缓慢的Matlab R2018b TypedArray数组访问

1 个答案: