我试图找到一些方法从Matlab中的3 *（一个大数字）矩阵的每一列中减去一个3号向量 . 当然我可以使用一个循环，但我试图找到一些更有效的解决方案，有点像numpy广播 . 哦，我不能使用repmat，因为我没有足够的内存来使用它（因为它创建了另一个3 *（一个大数字）矩阵）...
这可能吗？
由于像just-in-time acceleration (JITA)这样的编译器优化，MATLAB中的循环也不错 . 大多数时候，我注意到当前MATLAB版本中的循环解决方案比复杂的（虽然很酷：D）单行程快得多 .
根据我的经验，bsxfun可能会发挥作用，它往往会有内存问题，但不如 repmat .
repmat
所以语法是：
AA = bsxfun(@minus,A,b) 其中 b 是向量， A 是你的大矩阵
AA = bsxfun(@minus,A,b)
b
A
但我恳请你介绍一下loopy版本，然后决定！最有可能的是，由于内存限制，您可能没有选择:)
其他答案有点过时--Matlab R2016b似乎有added broadcasting as a standard feature . 该博客文章中的一个示例与该问题匹配：
>> A = ones(2) + [1 5]' A = 2 2 6 6
我不知道这是否会加速代码，但从向量中减去标量没有内存问题 . 由于矩阵大小非常不对称，因此短维上的for循环的开销可以忽略不计 .
也许吧
matout = matin; for j = 1:size(matin, 1) %3 in this case matout(j,:) = matin(j,:) - vec_to_subtract(j); end
当然，你可以这样做，但我不知道你是否想要保留原始矩阵 .
实际上，似乎http://www.frontiernet.net/~dmschwarz/genops.html（运算符重载mex文件）也可以做到这一点，即使我还没有测试过它 .
4 回答
由于像just-in-time acceleration (JITA)这样的编译器优化，MATLAB中的循环也不错 . 大多数时候，我注意到当前MATLAB版本中的循环解决方案比复杂的（虽然很酷：D）单行程快得多 .
根据我的经验，bsxfun可能会发挥作用，它往往会有内存问题，但不如
repmat.所以语法是：
AA = bsxfun(@minus,A,b)其中b是向量，A是你的大矩阵但我恳请你介绍一下loopy版本，然后决定！最有可能的是，由于内存限制，您可能没有选择:)
其他答案有点过时--Matlab R2016b似乎有added broadcasting as a standard feature . 该博客文章中的一个示例与该问题匹配：
我不知道这是否会加速代码，但从向量中减去标量没有内存问题 . 由于矩阵大小非常不对称，因此短维上的for循环的开销可以忽略不计 .
也许吧
当然，你可以这样做，但我不知道你是否想要保留原始矩阵 .
实际上，似乎http://www.frontiernet.net/~dmschwarz/genops.html（运算符重载mex文件）也可以做到这一点，即使我还没有测试过它 .