文章目录

• 起因
• 一、怎样尽快将matlab代码转成Python？
• 二、怎样尽量加快计算？
• 三. 一不小心矩阵太大内存爆了怎么办？
• 结尾

---

起因

进一阵子因为需要用python来跑一些matlab的代码，实际上python可以直接调用matlab代码（可以直接用matlab.engine包），不过当时弄了一阵子没弄明白参数的调用的逻辑，索性就将matlab代码转成Python了。

一、怎样尽快将matlab代码转成Python？

根据我所搜索到的信息，numpy库和matlab的操作近似，如果想尽快把matlab代码转成python代码并运行起来，使用numpy库会比较方便。不过要注意，numpy中两个矩阵相乘是元素对应相乘，比如说python代码C = A * B相当于matlab代码C = A .* B，如果想进行矩阵运算中的乘法，则需要用.dot来进行相乘，比如说python代码C = A.dot(B) 相当于matlab代码C = A * B。

二、怎样尽量加快计算？

matlab在进行矩阵运算时，能够自动调用多个CPU，而Python正常情况下因为GIL锁，一般情况下只能调用1个CPU，就造成了运算上的瓶颈，这种情况下，解决方法有多种：

1. numpy库的简单矩阵运算能够自动使用多个CPU（dot, +, -, *）因为其底层源码好像说是用C写的，不受python的GIL锁限制。
2. 如果希望通过调用GPU的形式来进行并行运算，可以尝试cupy库，其中包装了和numpy、scipy同名的许多函数，用法相似，不过能在GPU上进行运算。
3. 可以试一下使用python自带的multiprocessing（进程并行）调用多个CPU。我的理解是，将任务分成很多可以同时进行的进程，python的GIL锁限制一个不调用numpy的python进程只能用一个CPU，那我一个任务拆分成一堆进程，最后再将这些进程的结果进行汇总，也可以达到调用多个CPU的目的，不过注意，进程的建立和释放都是有开销的。

三. 一不小心矩阵太大内存爆了怎么办？

好像没什么特别简单的办法，我是直接将一个大矩阵划分成一个个小矩阵计算，最后再拼接出一个大矩阵，这种方式主要的作用是，至少避免中间生成的临时矩阵和原矩阵一样大。

结尾

有大佬有更好的方法的话希望可以在评论区分享一下~