为什么我的 Julia 代码运行得这么慢？

redim = 2;
# Loading data
iris_data = readdlm("iris_data.csv");
iris_target = readdlm("iris_target.csv");

# Center data
iris_data = broadcast(-, iris_data, mean(iris_data, 1));
n_data, n_dim = size(iris_data);

Sw = zeros(n_dim, n_dim);
Sb = zeros(n_dim, n_dim);

C = cov(iris_data);


classes = unique(iris_target);

for i=1:length(classes)
    index = find(x -> x==classes[i], iris_target);
    d = iris_data[index,:];
    classcov = cov(d);
    Sw += length(index) / n_data .* classcov;
end
Sb = C - Sw;

evals, evecs = eig(Sw, Sb);
w = evecs[:,1:redim];
new_data = iris_data * w;

该代码只是对 iris_data 进行 LDA（线性判别分析）。 将 iris_data 的维度减少到 2。 大约需要 4 秒，但 Python(numpy/scipy) 只需要大约 0.6 秒。 为什么？

这是引言中第一页第二段的内容朱莉娅手册:

由于 Julia 的编译器与 Python 或 R 等语言使用的解释器不同，因此您一开始可能会发现 Julia 的性能并不直观。如果您发现某些事情很慢，我们强烈建议您仔细阅读性能技巧尝试其他任何操作之前的部分。一旦您了解了 Julia 的工作原理，就可以轻松编写几乎与 C 一样快的代码。

Excerpt:

避免全局变量

全局变量的值可能会随时发生变化，因此其类型也可能会发生变化。这使得编译器很难使用全局变量来优化代码。变量应该是本地的，或者尽可能作为参数传递给函数。

任何对性能至关重要或正在进行基准测试的代码都应该位于函数内。

我们发现全局名称通常是常量，这样声明它们可以极大地提高性能

知道script（所有程序顶级代码）风格在许多科学计算用户中非常普遍，我建议您至少将整个文件包装在一个let初学者的表达式（让我们引入一个新的本地范围），即：

let

redim = 2
# Loading data
iris_data = readdlm("iris_data.csv")
iris_target = readdlm("iris_target.csv")

# Center data
iris_data = broadcast(-, iris_data, mean(iris_data, 1))
n_data, n_dim = size(iris_data)

Sw = zeros(n_dim, n_dim)
Sb = zeros(n_dim, n_dim)

C = cov(iris_data)


classes = unique(iris_target)

for i=1:length(classes)
    index = find(x -> x==classes[i], iris_target)
    d = iris_data[index,:]
    classcov = cov(d)
    Sw += length(index) / n_data .* classcov
end
Sb = C - Sw

evals, evecs = eig(Sw, Sb)
w = evecs[:,1:redim]
new_data = iris_data * w

end

但我也强烈建议您将其重构为小函数，然后编写一个main调用其余部分的函数，类似这样，请注意此重构如何使您的代码通用且可重用（并且快速）：

module LinearDiscriminantAnalysis

export load_data, center_data

"Returns data and target Matrices."
load_data(data_path, target_path) = (readdlm(data_path), readdlm(target_path))

function center_data(data, target)
    data = broadcast(-, data, mean(data, 1))
    n_data, n_dim = size(data)
    Sw = zeros(n_dim, n_dim)
    Sb = zeros(n_dim, n_dim)
    C = cov(data)
    classes = unique(target)
    for i=1:length(classes)
        index = find(x -> x==classes[i], target)
        d = data[index,:]
        classcov = cov(d)
        Sw += length(index) / n_data .* classcov
    end
    Sb = C - Sw
    evals, evecs = eig(Sw, Sb)
    redim = 2
    w = evecs[:,1:redim]
    return data * w
end

end

using LinearDiscriminantAnalysis

function main()
    iris_data, iris_target = load_data("iris_data.csv", "iris_target.csv")
    result = center_data(iris_data, iris_target)
    @show result
end

main()

Notes:

• 您不需要所有这些分号。
• 匿名函数目前速度很慢，但在 v0.5 中将会改变。您可以使用快速匿名现在，如果性能至关重要的话。
• 总之，仔细阅读并考虑all性能提示。
• main只是一个名称，可以是您喜欢的任何其他名称。