首先說說matlab
與其他語言的差異：例如對於c或者c++來說，只要演算法的思想不變、採用的資料結構相同，不同人寫出來的語句在效率上一般不會產生太大的差別。所以，對於c來說，程式的好壞一般由演算法來決定。但是，在matlab中，同樣的演算法、同樣的結構、同樣的流程，如果採用的語句不一樣，在效率上就會大大不同。所以，我認為，使用matlab比使用其他語言更加困難，也顯得matlab更難以掌握。另外，由於matlab在儲存管理上的不便，使得在同時提高時空兩域的效率變得更加困難，特別是在空間上（因為在時間上matlab提供了profiler這個非常有用的工具，但是在空間上就沒有）。當需要處理大量的資料時，精簡時空兩域的程式語句就尤為重要了。
空間上：
1. 建議使用a = logical(sparse(m,n))，不建議使用 a = sparse(false(m,n))，兩者結果一樣，但是後者生成m×n的臨時矩陣，浪費空間，且當m、n很大時，後者不一定能申請成功；
2. 使用sparse幾點注意：
a) 只能用在二維以下的矩陣上；
b) 由於matlab按照「先行後列」的方式讀取資料（即先把第一列所有行讀取完以後再讀取第二列的各行），因此定義稀疏矩陣時，最好「行數》列數」，這樣有利於定址和空間的節省（自己試試a=sparse(10,5); whos a和b= sparse(5,10);whos b就知道了）；
c) 對大型矩陣用sparse非常有效（不但節省空間，而且加快速度，強烈推薦！這在動態申請陣列空間的時候尤其方便，當然了，陣列不是太大的時候也可以使用eval即字串的方法），但對小型矩陣使用反而增加儲存量（自己試試a=false(5,1); whos a和b=logical(sparse(5,1));whos b就知道了），相信這是由稀疏矩陣需要儲存額外的資訊引起的。
3. 盡量按照精度來選擇資料的型別，例如，如果只需用到0－255之間的整數，則定義矩陣為uint8型就ok了，定義方式：a = zeros(10,10,』uint8』)；可以用intmin(『uint8』)和intmax(『uint8』)返回該種型別的最值。
時間上：
1. 在for迴圈中，清零操作用賦值語句 a = b，其中b是在for迴圈外的乙個同a大小一樣的全0陣，不要使用a(:) = 0；但這樣會大大影響後面的逐點運算速度。這個問題要請教高手，那就是「個別語句的改動會引起其他語句的執行速度」。例如分別執行3萬多次下面**，但執行時間有較大差別：
ilen = length(find(alregion)); % 0.58 s
if ilen >= ithreshold_2 % 0.05 s
…end
和ilen = sum(alregion); % 0.37 s
if ilen >= ithreshold_2 % 0.40 s
…end
2. find函式較慢，可用logical函式代替，但是，當需要取得滿足條件的下標時，就無法使用logical函式，這已經在我之前的帖子中提及過。不過，大家有沒有想過，連find函式都可以進行優化的，方法是用「基本矩陣進行顯式邏輯引用」來代替find。例如，假設矩陣a是乙個61*73*20的三維邏輯矩陣，如果用下面的語句迴圈3萬多次，需要的時間是13 s ：
b = find(a == true);
如果採用下面的方法，則只需要不到0.7 s：
首先定義乙個索引矩陣：
a3icubicidx = uint32(1:itotalvoxel); % uint32可以根據需要調整，這裡省略了條件判斷
a3icubicidx = reshape(a3icubicidx, [ivollen, ivolwdh, ivolhgh]);
然後在迴圈中寫以下**：
a3itemp = a3icubicidx(ixmin:ixmax,iymin:iymax,izmin:izmax);
b = aitemp(a(ixmin:ixmax,iymin:iymax,izmin:izmax));
當然了，改進的前提是知道矩陣a的非零元（即值為true的元素）大致的分布，也就是能夠求出ixmin:ixmax,iymin:iymax,izmin:izmax這個範圍。現在終於明白並體會到cwit所說的「連num2str都優化過」的含義了。
3. 不斷優化**，例如corrcoef函式，matlab自帶的corrcoef函式求整個矩陣所有列的相關係數，因為我只需要求出某一列跟其他各列的相關係數，所以參照corrcoef函式自己寫了乙個，不但把速度提了上去，而且還發現了：repmat(5，100，1)的速度並不比ones(100,1)*5 快，另外，別小看乙個小矩陣的轉置操作，當迴圈次數很大的時候，有沒有轉置就相差很遠了。
4. 使用邏輯運算子&、| 時，兩個操作物件最好是logical型別，否則速度會減慢。
5. 二維矩陣轉置操作可以用以下三種方法進行，三者的效率基本一樣（時空），如果遇到三維以上的矩陣要轉置，用permute命令較為方便：
a) a = a』;
b) a = permute(a,[2,1]);
c) a = shiftdim(a,1);
6. 「使用eval方式動態儲存多個一維陣列」比「使用二維陣列動態儲存多個一維陣列」要快，即：eval(['a_', num2str(k),' = b;']);比 a(k,:) = b; 快，其中b是乙個一維陣列，k表示迴圈次數。注：並非所有b都進行儲存，只儲存滿足某個條件的b，另外，對預申請空間a不成功，這是對結論的補充說明。值得注意的是，如果對b是乙個稀疏的一維陣列，則eval方式的優勢蕩然無存，當k增大時反而增加系統開銷。
7. 當矩陣很大時，利用a(:,k+1:end)=;去掉多餘元素操作時會減慢程式的執行，因此，如果後續處理中沒有用到這些多餘元素，則沒有必要使用這個語句，即不管就是了。
8. 當需要對很大的乙個矩陣進行操作時，可以考慮使用迴圈來完成。例如corrcoef函式，如果處理的物件矩陣a是100*180時（即對100個列向量求它們兩兩之間的相關程度，假設需要的只是前面99個與第100個向量的相關係數，其他不需要用到），直接用corrcoef(a)會比較慢，這時候可以考慮把矩陣a分為5個部分，每個子塊與第100個向量進行相關，這樣速度會更快。
9. 區域性比較、賦值比全域性比較、賦值要快（呵呵，這是廢話），假設a、b都是三維邏輯矩陣，如果只想對某個區域性（例如x_1:x_2,y_1:y_2,z_1:z_2這個立方體）進行比較和賦值，則推薦使用b(x_1:x_2,y_1:y_2,z_1:z_2) = b(x_1:x_2,y_1:y_2,z_1:z_2) & ~a(x_1:x_2,y_1:y_2,z_1:z_2)，這比b(a) = false或b = b&~a速度上都要快不少。
提高VM執行速度
在你使用vm5的時候是否遇到過這樣的情況。物理機效能很好，記憶體豐富，但vm執行起來速度很慢。這是因為在vmware5的版本中增加了乙個新的功能，系統會為你建立乙個.vmem的檔案，這個檔案的大小就是你定義的虛擬機器系系統記憶體大小。這個檔案用作記憶體的交換空間。vm5中只是用16兆物理記憶體，其他...
如何提高selenum的執行速度
selenum的執行速度會受到多方面的影響，如網速，操作步驟的繁瑣性，頁面的載入速度以及指令碼中設定的等待時間，執行的執行緒數等，所以不能從單方面去追求速度。要確保穩定性，能穩定的實現回歸測試超市關鍵。我們可以從以下幾個方面提高執行效率 化繁為簡，減少操作步驟 如經過三四步才開啟的網頁，可以直接通過...
如何提高FPGA的執行速度
對於設計者來說，當然希望我們設計的電路的工作頻率 在這裡如無特別說明，工作頻率指fpg 內的工作頻率 盡量高。我們也經常聽說用資源換速度，用流水的方式可以提高工作頻率，這確實是乙個很重要的方法，今天我想進一步去分析該如何提高電路的工作頻率。我們先來分析下是什麼影響了電路的工作頻率。我們電路的工作頻率...