Profilowanie

Z użyciem profilera Profiler example by Daniel Jordi

profile on; foo; profile off; data = profile ('info'); profshow (data, 10);

Ten kod nie działa !!!

Działa z użyciem timera:

tic; foo; toc;

Wektoryzacja

"umiejętność wektoryzacji i blokowania algorytmów jest podstawą pisania efektywnych implementacji algorytmów w Octave." Wprowadzenie do metod numerycznych - programu studiów informatyki na wydziale MIMUW

Wektoryzacja to używanie funkcji działających na wektorach lub tablicach (danych złożonych) zamiast na pojedynczych danych. Ponieważ te funkcje są zoptymalizowane czas wykonywania kodu z wektoryzacją jest krótszy niż kody bez wektoryzacji (np. z pętlami for).:Course in Octave by Finn HaugenTips Vectorizing from Octavew wiki

Użycie wektorów jest kilka razy szybszeMatlab Speedup tricks by Matt Dunham and Kevin Murphy

Ujemną stroną wektoryzacji jest mniejsza czytelność kodu.

Zoptymalizowane funkcje

Przykład sumowania w sposób tradycyjny (pętla for) i funkcja sum:

Z użyciem pętli:How to speed up MATLAB and Octave by Vectorization by Matt Oneal

clear tic(); x = 0; for n = 1:1e6 x = x + n; end x exec_time = toc()

z użyciem wektorów:

clear tic(); s = sum(1:1e6); exec_time = toc()

Wynik w obu programach jest ten sam (5.0000e+11), a czas krótszy w przypadku użycia funkcji sum: exec_time = 3.4966 (dla pętli for) exec_time = 1.7213 (dla funkcji sum)

Podany czas jest przykładowym wynikiem na 2 rdzeniowym komputerze.

Arrayfun

Anonimowa funkcja: octave:1> f = @(x) sin(x)*x

f = @(x) sin (x)*x

Przypuśćmy, że chcemy obliczyć wynik tej funkcji dla każdego elementu wektora y:

octave:2> y=1:7

y = 1 2 3 4 5 6 7

Użycie y jako argumentu funkcji f powoduje błąd: octave:3> f(y) error: operator *: nonconformant arguments (op1 is 1x7, op2 is 1x7) error: called from: error: at line -1, column -1

ponieważ zgodnie z definicją funkcja f nie przyjmuje wektorów. Możemy to ominąć poprzez zastosowanie arrayfun: octave:4> arrayfun(f,y)

i otrzymujemy pożądany wynik: ans = 0.84147 1.81859 0.42336 -3.02721 -4.79462 -1.67649 4.59891 Dokładność w obliczeniach numerycznych

Przeanalizujmy następujący przykład:numeryczne I - Janusz Szwabiński octave:1> x=2^30; octave:2> x+2^-22==x ans = 0 octave:3> x+2^-23==x ans = 1

Liczba bitów używana przez Octave jest zbyt mała aby przedstawić wszystkie liczby dokładnie. Źródła

en:Octave Programming Tutorial/Vectorization