Juliaを使うときのTipsをまとめる（その11/X）

　を使うのに、今一度

Juliaプログラミングクックブック ―言語仕様からデータ分析、機械学習、数値計算まで

で使い方を整理する。

前回

power-of-awareness.com

注意

　参照文献はかなり古い(2019年)ため、現在のバージョンでは動作しない関数などが多いとの評判がある。そこでそういった齟齬があった場合は随時コメントする。なお筆者の環境は、

アプリケーション	バージョン

である。

3.　Juliaによる数値演算

3.1　行列処理の高速化

　ここではループを用いて行列計算を行う。ここで重要なのは、では列方向に処理した方が効率が良い点である。

########################
### 行列演算の高速化 ###
########################

# Juliaは列方向での演算が効率的

# 列方向での演算
function sum_by_col(x)
    s = zero(eltype(x)) # コードが型安定にあるようにしている
    for j in 1:size(x, 2)
        for i in 1:size(x, 1)
            s += x[i, j]
        end
    end
    s
end

# 参考：行方向での演算
function sum_by_row(x)
    s = zero(eltype(x)) # コードが型安定にあるようにしている
    for i in 1:size(x,1)
        for j in 1:size(x,2)
            s += x[i,j]
        end
    end
    s
end

using BenchmarkTools
x = rand(10^4, 10^4)

@btime sum_by_row(x)
@btime sum_by_col(x)
@btime sum(x)

println(sum_by_row(x))
println(sum_by_col(x))
println(sum(x))

　上記のように、

• ①　組み込み関数()
• ②　列方向で計算する自作関数(__)
• ③　行方向で計算する自作関数(__)

の順番で計算が速い。また加算する順番が相違するため、浮動小数点数の演算精度により、計算結果が相違している。
　関数は、1つの命令を同時に複数のデータに適用する並列化の形態である命令を用いているために自作関数よりも速くなっている。

次回

power-of-awareness.com