MATLAB Mex函數並不比常規函數快

Question

我知道情況並非總是如此，但不是MEX函數不應該提高代碼效率，尤其是在計算方面嗎？

我已經使用編碼器工具包對MATLAB中的expm函數進行了MEX。 我期望效率會大大提高，因為該函數執行了大量矩陣計算。

但是，我看不到時間的改善，如下圖所示：

X軸： expm函數的另一次迭代

Y軸：該功能的運行時間

藍線：常規expm函數調用

紅線： MEX的expm函數調用

MEX版本與常規版本如此相似是有原因的嗎？ 有沒有辦法提高速度？ 我使用tic和toc收集了有關運行時間的數據。

Answer 1

大多數matlab函數都是簡單的包裝程序，它們調用FORTRAN庫代碼，其中大多數來自LAPACK / EISPACK / LINPACK。 換句話說，內置的matlab函數調用已在調用已編譯的代碼，而不是已解釋的matlab代碼（.m源代碼）。 因此，MEX在提高那些函數調用的性能上無能為力。

僅當您在Matlab源代碼中直接進行大量工作時，在matlab中編譯代碼才有好處。 如果您的代碼主要是調用一堆內置的matlab函數，尤其是矩陣函數（都是LAPACK函數），那么您不會看到太多改進，只有當您擁有“手動”代碼時，即完全用matlab代碼（在.m文件中）實現“ expm”之類的東西，那么用MEX編譯時它將更快。 如果您自己擁有大量的matlab代碼，那么您只會看到編譯matlab代碼的好處，而僅是對內置函數進行了幾次調用，則不會看到。

試想一下，為什么Mathworks會隨帶Matlab的內置函數實現為解釋的Matlab代碼？ 即使他們使用matlab代碼實現了一些內置函數（這只是很小的一部分，因為大多數情況是FORTRAN / C / C ++），他們也會在發貨之前編譯這些函數，以便您作為用戶獲得其中最好的表現。

Answer 2

這是對expm(A)的調用分解的方式，其中A = rand(500,500); 。

時間在矩陣乘法（ F = F*F; ）和對PadeApproximantOfDegree的調用之間平均分配。 使用 mkl.dll中非常快的LAPACK函數 （使用Intel MKL的MATLAB的線性代數函數）來建立矩陣乘法 。

這是所有時間都花在PadeApproximantOfDegree ：

那不是一個循環 。 內置矩陣數學函數的所有調用。 如果有迭代，那么我希望MATLAB會慢一些，但是只有幾行， 每次調用都占用了所有時間。 僅父級中的矩陣乘法（ F*F ）被調用多次。

實際上，如果Coder不能使用MATLAB可以訪問的優化的多線程庫，那么MEX的版本變慢不會令我感到驚訝。 顯然，編碼器進行管理。