我一直在使用Octave和MATLAB进行一些项目，我遇到了一些问题 . 这个问题Why/when should I prefer MATLAB over Octave?）回答了几个，但仍有一个挥之不去......
我已经阅读了一些帖子/其他来源，比较了Octave和MATLAB的性能，我在标准脚本上运行了一些自己的测试，证实了Octave通常比标准操作的MATLAB慢得多（迭代，当然，这样比较是有意义的） .
这一共识似乎也表明，大多数MATLAB的性能提升都归功于它的JIT编译器，它在运行时编译大型循环 . 这是有道理的，在这些情况下似乎会出现最大的性能差异（例如Mathworks Matlab vs Gnu Octave）
我的问题如下：为什么矢量化代码在Octave中运行得更慢？看起来在这种情况下，应该在循环之前留出内存，并且一些本机C / C循环应该执行操作，这将等同于Octave和MATLAB之间的矢量化代码的性能 . 另外，这是否有更广泛的含义，即Octave可能对复杂操作执行得更差，即使编写代码使得JIT编译器不需要/未使用？
2 回答
Matlab代码加速的方式有四种：
JIT：根据我的轶事观察，在运行时编译有助于循环，但似乎也加速（或至少与代码的其他部分交互） .
在C / C中实现函数：在Matlab / Octave中实现了一堆Matlab / Octave函数 . 在每个版本中，都有更多的内容被制作成内置插件 .
多线程：有a list of functions具有多线程实现，这将加速函数调用 .
通常更有效的实现 . 例如，在几个版本之前，中值滤波器为整数输入提供了大幅度的提升 .
所有这些方法都需要致力于使代码更快的开发人员 . 据我所知，Octave开发人员主要关心的是确保（Matlab）功能完全存在，而性能提升似乎是过去几年Matlab开发的重点 .
Matlab内部使用英特尔数学核心库（英特尔MKL）进行矢量和矩阵运算 . 这为Matlab提供了超越Octave的显着优势 .
在Matlab中尝试使用命令'version -lapack'和'version -blas'来检查Matlab正在使用的MKL版本 .
通过Matlab讨论MKL用法的快速链接是http://stanford.edu/~echu508/matlab.html .
英特尔MKL是专有的 . software.intel.com/en-us/intel-mkl . 但是，对于非商业用途，Linux版本是免费的 . 如果Octave可以某种方式使用我们机器上安装的MKL，它应该可以显着加快Octave的速度 .