MATLAB的性能
优化MATLAB代码的性能
MATLAB是快速和越来越快的
MATLAB®R2015a中引入的执行引擎使用JIT编译来加速所有的MATLAB代码。JIT编译生成针对MATLAB代码和特定硬件优化的本机级代码。执行引擎的体系结构支持对每个版本进行进一步优化，包括更快地调用内置函数和更快的索引操作。此外，为了更好的性能，许多核心MATLAB函数都是隐式多线程的。
MATLAB性能是用一组基准测试来衡量的，这些基准测试涵盖了单元操作和代表真实用户工作流的完整应用程序。这些基准测试在不同硬件和操作系统上的MATLAB发布周期中运行多次，以验证新的优化，检测和解决性能倒退，并识别操作系统特定的问题。
您可以在MATLAB发布说明中了解具体的性能改进。自MATLAB R2019b以来，性能发布说明包括与以前的MATLAB版本相比，在执行时间上的测量改进。
在MATLAB性能测试套件中的平均加速。
使用MATLAB分析器来识别代码中的瓶颈。
提高你的MATLAB代码的性能
提高代码性能的第一步是识别瓶颈。例如，你可以:
- 使用类似的函数测量代码执行时间
抽搐，toc,时间 使用MATLAB分析器来查看程序的哪些部分运行时间最长- 使用MATLAB代码分析器获得额外的建议，以提高性能
一旦您确定了代码中的瓶颈，已知的编程实践通常可以使您的代码更快。最常用的两种技术是数组预分配和向量化。预先配置可以通过避免动态内存分配来提高性能。向量化通过在单个命令中操作vector的所有元素，使您能够避免循环。这些技术加在一起可以使代码的速度提高几个数量级。
如果有必要，可以通过用编译语言编写应用程序中需要计算的部分来提高性能。在MATLAB中，MEX函数使您能够像MATLAB内置函数一样调用高性能的C、c++或Fortran代码。使用MATLAB Coder™，您可以自动将MATLAB代码转换为MEX文件，这可能会运行得更快。
使用并行计算来利用更多的硬件
通过使用并行计算显式地访问所有硬件资源，可以解决计算密集型或数据密集型问题。您可以利用功能扩展到多进程、多线程和gpu，所有这些都与MATLAB的熟悉性和易用性有关。您可以在一台机器上开发和运行，还可以将执行扩展到计算集群或云，而不需要重新编码。
了解更多
使用并行计算显式地使用所有硬件资源。
您也可以从以下列表中选择网站: