MATLAB的性能
优化MATLAB代码的性能
MATLAB是快速和越来越快
MATLAB®R2015a中引入的执行引擎，使用JIT编译来加速所有MATLAB代码。JIT编译生成针对MATLAB代码和特定硬件进行优化的本机机器级代码。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，许多核心MATLAB函数是隐式多线程的，以获得更好的性能。
MATLAB性能是使用一组基准来测量的，这些基准包括单元操作和代表真实用户工作流的完整应用程序。在MATLAB发布周期中，这些基准在不同的硬件和操作系统上运行多次，以验证新的优化，检测和解决性能回归，并确定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，性能发布说明包含了与以前的MATLAB版本相比在执行时间方面的改进。
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:
- 使用以下函数度量代码执行时间
抽搐，toc,时间 使用MATLAB Profiler查看程序的哪个部分运行时间最长- 使用MATLAB代码分析器提供额外的建议来提高性能
一旦您确定了代码中的瓶颈，已知的编程实践通常可以让您的代码更快。两种最常用的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。向量化使您能够通过在单个命令中操作向量的所有元素来避免循环。这些技术一起可以将代码速度提高几个数量级。
如果有必要，您可以通过用编译语言编写应用程序中对计算有要求的部分来提高性能。在MATLAB中，MEX函数使您能够调用高性能C、c++或Fortran代码，就像MATLAB内置函数一样。使用MATLAB Coder™，您可以自动将您的MATLAB代码转换为MEX文件，这可能运行得更快。
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MATLAB熟悉和易于使用的功能来扩展到多个进程、多个线程和gpu。您可以在单个机器上开发和运行，并且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
使用并行计算来显式地使用所有硬件资源。
