Самый быстрый способ инициализации двойного массива нестандартного значения

Question

MATLAB предоставляет функции для предварительного выделения / инициализации массивов с общими значениями, такими как 0 или 1.Однако, если мы хотим, чтобы массив имел некоторое произвольное double значение , существуют различные способы сделать это, и не очевидно, какой из них предпочтительнее.

Эта проблема не нова - она ​​ранее обсуждалась в таких местах, как это сообщение в блоге и в этот ответ .Однако опыт показывает, что программное обеспечение (в частности, MATLAB и его механизм выполнения) и аппаратное обеспечение меняются со временем, и поэтому возможно, что наилучший подход будет отличаться в разных системах.К сожалению, вышеупомянутые источники не предоставляют код для бенчмаркинга, который может быть наилучшим (и не подвластным времени) способом ответить на этот вопрос.

Я ищу эталон, который я мог бы запустить, который бы показал мне самый быстрый подход киспользуйте в моей системе , учитывая, что я могу использовать как "обычные" double массивы, так и gpuArray double массивы разных размеров.

Answer 1

function allocationBenchmark(arrSz)
if nargin < 1
  arrSz = 1000;
end

%% RAM
t = [];
disp('--------------- Allocations in RAM ---------------')
t(end+1) = timeit(@()v1(arrSz), 1);
t(end+1) = timeit(@()v2(arrSz), 1);
t(end+1) = timeit(@()v3(arrSz), 1);
t(end+1) = timeit(@()v4(arrSz), 1);
t(end+1) = timeit(@()v5(arrSz), 1);
t(end+1) = timeit(@()v6(arrSz), 1);
t(end+1) = timeit(@()v7(arrSz), 1);
t = 1E3 * t; % conversion to msec
disp(t); disp(" ");
[~,I] = min(t);
disp("Conclusion: method #" + I + " is the fastest on the CPU!"); disp(" ");

%% VRAM
if gpuDeviceCount == 0, return; end
t = [];
disp('--------------- Allocations in VRAM --------------')
t(end+1) = NaN; % impossible (?) to run v1 on the gpu
t(end+1) = gputimeit(@()v2gpu(arrSz), 1);
t(end+1) = gputimeit(@()v3gpu(arrSz), 1);
t(end+1) = gputimeit(@()v4gpu(arrSz), 1);
t(end+1) = gputimeit(@()v5gpu(arrSz), 1);
t(end+1) = gputimeit(@()v6gpu(arrSz), 1);
t(end+1) = gputimeit(@()v7gpu(arrSz), 1);
t = 1E3 * t; % conversion to msec
disp(t); disp(" ");
[~,I] = min(t);
disp("Conclusion: method #" + I + " is the fastest on the GPU!");

end

%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% RAM
function out = v1(M)
% Indexing on the undefined matrix with assignment:
out(1:M, 1:M) = pi;
end

function out = v2(M)
% Indexing on the target value using the `ones` function:
scalar = pi;
out = scalar(ones(M));
end

function out = v3(M)
% Using the `zeros` function with addition:
out = zeros(M, M) + pi;
end

function out = v4(M)
% Using the `repmat` function:
out = repmat(pi, [M, M]);
end

function out = v5(M)
% Using the ones function with multiplication:
out = ones(M) .* pi;
end

function out = v6(M)
% Default initialization with full assignment:
out = zeros(M);
out(:) = pi;
end

function out = v7(M)
% Using the `repelem` function:
out = repelem(pi,M,M);
end

%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% VRAM
function out = v2gpu(M)
scalar = gpuArray(pi);
out = scalar(gpuArray.ones(M));
end

function out = v3gpu(M)
out = gpuArray.zeros(M, M) + gpuArray(pi);
end

function out = v4gpu(M)
out = repmat(gpuArray(pi), [M, M]);
end

function out = v5gpu(M)
out = gpuArray.ones(M) .* gpuArray(pi);
end

function out = v6gpu(M)
% Default initialization with full assignment:
out = gpuArray.zeros(M);
out(:) = gpuArray(pi);
end

function out = v7gpu(M)
% Using the `repelem` function:
out = repelem(gpuArray(pi),M,M);
end

Выполнение вышеуказанного (например, с вводом 5000) приводит к следующему:

--------------- Allocations in RAM ---------------
  110.4832  328.1685   48.7895   47.9652  108.8930   93.0481   47.9037

Conclusion: method #7 is the fastest on the CPU!

--------------- Allocations in VRAM --------------
       NaN   37.0322   17.9096   14.2873   17.7377   16.1386   16.6330

Conclusion: method #4 is the fastest on the GPU!

..., что говорит нам о лучшем (или эквиваленте ) метод для использования в каждом случае.