有没有办法重构下面的 julia 代码以避免 loop/malloc？

Question

m,n =size(l.x)
for batch=1:m
  l.ly = l.y[batch,:]
  l.jacobian .= -l.ly .* l.ly'
  l.jacobian[diagind(l.jacobian)] .= l.ly.*(1.0.-l.ly)
  # # n x 1 = n x n * n x 1
  l.dldx[batch,:] = l.jacobian * DLDY[batch,:]
end
return l.dldx

l.x 是 m 乘以 n 的矩阵。 l.y 是另一个与 l.x 大小相同的矩阵。我的目标是创建另一个 m by n 矩阵，l.dldx，其中每一行都是 for 循环内操作的结果。任何人都可以发现此代码块的进一步优化吗？上面的代码是 https://github.com/stevenygd/NN.jl.

的一部分

Answer 1

下面应该实现相同的计算并且效率更高：

l.dldx = l.y .* (DLDY .- sum( l.y .* DLDY , 2))

将 sum 重构为一个循环可能会有轻微的改进。

由于问题没有运行可用代码或测试用例，因此很难给出明确的基准，因此欢迎反馈。

更新

这是上面带有显式循环的代码：

function calc_dldx(y,DLDY)
    tmp = zeros(eltype(y),size(y,1))
    dldx = similar(y)
    @inbounds for j=1:size(y,2)
        for i=1:size(y,1)
            tmp[i] += y[i,j]*DLDY[i,j]
        end
    end
    @inbounds for j=1:size(y,2)
        for i=1:size(y,1)
            dldx[i,j] = y[i,j]*(DLDY[i,j]-tmp[i])
        end
    end
    return dldx
end

长版本应该运行更快。衡量代码性能的一个好方法是使用 BenchmarkTools 包。

有没有办法重构下面的 julia 代码以避免 loop/malloc？

Is there a way to refactor the julia code below in order to avoid the loop/malloc?

malloc

performance

profiling

julia