Discussion :

[bertindenis]

Bonjour à tous,
J'ai un problème sur l'optimisation de mon code ecrit en Matlab que voici(juste une portion):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
NPF = 942;
N=2001;
v=381x1;(complex numbers)
f=381x1;
t=1x2001;
tic
for(k = 1:NPF)
                        v = datif2(:,k);
                        g = zeros(2001,1);
                        du=f(2)-f(1);
                        for k1=1:N
                           integrando=exp(i*2*pi*t(k1)*f).*v;
                           g(k1)=du*sum(integrando);
                        end
                        v1 = g;
                        v1 = 2 * real(v1);
                        datit(:,k) = v1;
                        %k
                    end
toc

il est très lent dans l'exécution et j'aimerais le rendre beaucoup plus rapide que possible.
Quelqu'un aurait une idée pour moi?
Merci d'avance.


J'ai joins deux fichiers que j'utilise:
pour executer, lancer sur Matlab:

datineltempo_ciclico.m
puis selectionner un file .mat dont j'ai pas pu charger ici, vu sa dimension et son extension,
ensuite le système démandera une valeur, ecrit: 0.02, puis OK et calculer le temps mis...

[Alex3434]

Bonjour,

Je te propose cette modification ou on supprime la boucle for sur k1 :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
NPF = 942;
N=2001;
v=381x1;(complex numbers)
f=381x1;
t=1x2001;
tic
for(k = 1:NPF)
                        v = datif2(:,k);
                        du=f(2)-f(1);
                        g=du*exp(i*2*pi*t'*f)*v';
                        v1 = g;
                        v1 = 2 * real(v1);
                        datit(:,k) = v1;
                        %k
end
toc

Je n'ai pas vérifié avec tes données, mais j'ai utilisé ce petit bout de code pour vérifier que les deux méthodes donnent le même résultat :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
t = rand(1,10);
A = rand(1,20);
B = rand(1,20);
 
result = exp(t'*A)*B';
 
result2 = zeros(1,size(t,2));
 
for ii = 1:size(t,2)
 
    integrando=exp(t(ii)*A).*B;
 
    result2(ii) = sum(integrando);
 
end
 
diff = result - result2'

diff renvoi un vecteur de 0.

Note : Avec la méthode que je te propose le vecteur g devient un vecteur ligne au lieu d'un vecteur colonne.

Si jamais cela fonctionne, je te propose cette autre modification qui accélèrera encore plus le précédent code :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
NPF = 942;
N=2001;
v=381x1;(complex numbers)
f=381x1;
t=1x2001;
tic
for(k = 1:NPF)
 
                        datit(:,k) = 2 * real((f(2)-f(1))*exp(i*2*pi*t'*f)*(datif2(:,k))');
                        %k
end
toc

[bertindenis]

Merci bien Alex.
Il ya la différence avec le temps prècédent.

Je croyais qu'il fallait utiliser les ifft/fft.

Merci.

[Alex3434]

Si tu possèdes la parallel toolbox je te laisse regarder du coté des boucles parfor pour améliorer la vitesse de calcul de l'autre boucle for.

Je ne comprends pas très bien en quoi la transformée de Fourier t'aurait aidé ? Içi l'astuce utilisée est tout simplement la vectorisation (Très rapide sous matlab de part le fait que ce langage a été pensé pour les matrices).

[bertindenis]

Bonsoir Alex,
en faite voici mon bout de code original:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
 
NPF=942;
N=2001;
f = linspace(50000000,1000000000,381);
                    f = f';
                    t = linspace(0,0.5/2500000,2001);
C = exp((2i  pi  t) .* f);    
for k = 1:NPF
  v  = datif2(:,k);
  g  = zeros(2001,1);
  du = f(2)-f(1);
  for k1 = 1:N
     integrando = C(:, k1) .* v;
     g(k1)      = du * sum(integrando);
  end
  datit(:, k) = 2 * real(g);
end

Je ne parviens pas à l'optimiser au maximum, donc réduire les deux cycles for qui comme on le sait sont couteux en terme de prestation.
Merci.

Si tu possèdes la parallel toolbox je te laisse regarder du coté des boucles parfor pour améliorer la vitesse de calcul de l'autre boucle for.

Je ne comprends pas très bien en quoi la transformée de Fourier t'aurait aidé ? Içi l'astuce utilisée est tout simplement la vectorisation (Très rapide sous matlab de part le fait que ce langage a été pensé pour les matrices).