poster
2019-12-10, 20:48
可能重复：
MATLAB中的可增长数据结构 (https://stackoverflow.com/questions/2625048/growable-data-structure-in-matlab)
因此，在当前的MATLAB脚本中，我有一个很大的不确定大小的增长数组。目前，我对此无能为力，因为如果我实际进行预分配，它将需要的内存比需要的多很多倍（最大可能值的数量是每个像素640，但通常是2左右） 5）。
通常在这种情况下，我会在C ++或类似的东西中使用向量，其中向量相对于给定的容量呈指数增长。但是我认为Matlab中的矩阵开始分裂的速度比目标驱动的C ++向量快得多。
你们认为什么是类似这样的最佳选择？还是我应该坚持使用普通数组，并希望依次添加大约100k个元素可以工作？
提前致谢。
回答：
您可以尝试在重新分配元素时std::vector做什么---每次填充时将其容量加倍，摊销成本为O（1） 。
测试：
function test_MAT_vector LIM = 5e4; %%# Normal tic; A = zeros(1,1); for i = 1:LIM A(end+1) = i; end toc %%# std::vector clone tic; B = zeros(1,1); for i = 1:LIM if(i > numel(B)) B = ; end B(i) = i; end toc end [B]输出：
经过的时间是3.489820秒。
经过的时间是0.006710秒。
使用细胞
%%# cell tic; A = cell(1,1); for i = 1:LIM A(end+1) = {i}; end toc 经过的时间是2.740792秒。
更多&回答... (https://stackoverflow.com/questions/3251232)
MATLAB中的可增长数据结构 (https://stackoverflow.com/questions/2625048/growable-data-structure-in-matlab)
因此，在当前的MATLAB脚本中，我有一个很大的不确定大小的增长数组。目前，我对此无能为力，因为如果我实际进行预分配，它将需要的内存比需要的多很多倍（最大可能值的数量是每个像素640，但通常是2左右） 5）。
通常在这种情况下，我会在C ++或类似的东西中使用向量，其中向量相对于给定的容量呈指数增长。但是我认为Matlab中的矩阵开始分裂的速度比目标驱动的C ++向量快得多。
你们认为什么是类似这样的最佳选择？还是我应该坚持使用普通数组，并希望依次添加大约100k个元素可以工作？
提前致谢。
回答：
您可以尝试在重新分配元素时std::vector做什么---每次填充时将其容量加倍，摊销成本为O（1） 。
测试：
function test_MAT_vector LIM = 5e4; %%# Normal tic; A = zeros(1,1); for i = 1:LIM A(end+1) = i; end toc %%# std::vector clone tic; B = zeros(1,1); for i = 1:LIM if(i > numel(B)) B = ; end B(i) = i; end toc end [B]输出：
经过的时间是3.489820秒。
经过的时间是0.006710秒。
使用细胞
%%# cell tic; A = cell(1,1); for i = 1:LIM A(end+1) = {i}; end toc 经过的时间是2.740792秒。
更多&回答... (https://stackoverflow.com/questions/3251232)