有没有更快的方法从python运行这个matlab脚本？

Question

我将这个变量保存为.mat文件。然后，我在python中运行一个matlab脚本，该脚本运行一个以"latent_var“作为输入的经过训练的克里金模型。kriging模型(在matlab中)输出"comp_vals"，这是一个1x25的双精度变量，然后我将其另存为.mat文件并在python中打开。问题是这个过程需要一段时间(大约1分15秒)，但我需要它在3秒内完成。

有没有其他方法可以让我加速这个过程？

这是他们的python代码：

import scipy.io as sio   
import numpy as np
sio.savemat('latent_vars.mat', {'latent_vars':noise})

import matlab.engine
eng = matlab.engine.start_matlab()
eng.Kriging_to_python(nargout=0)
eng.quit()

comp_vals=sio.loadmat('comp_vals.mat')

这是matlab代码：

%Load matlab workspace with kriging model
krig_workspace=load('C:\Users\User\Documents\MATLAB\krig_posttrain_workspace2.mat');
%Import latent variable values from python
latent_from_python=load('/Users/User/Documents/project/Interactive Framework/latent_vars.mat');
latent_vars=latent_from_python.latent_vars;
latent_vars=single(latent_vars);
%Save kriging model from workspace as new variable
krig_model=krig_workspace.dmodel;
%Run kriging model with latent variables generated from python
[comp_vals MSEpredict] = predictor(latent_vars, krig_model);
comp_vals=transpose(comp_vals);
save('/Users/User/Documents/project/Interactive Framework/comp_vals.mat','comp_vals');

如有任何帮助或见解，我们将不胜感激！谢谢。

Answer 1

除了Cris Luengo的nice comments：

1. 一个简单的(希望适用的)选项是反之亦然。也就是说，从Matlab运行Python，而不是从Python运行Matlab，就像在official tutorial中一样。根据我自己的经验，这种方式通常效果更好。在这种情况下，如果您重复运行工作流，则只需启动Matlab一次(并且Matlab也仅初始化Python解释器一次)，每次都不会产生任何启动开销。如果您发送的数据小于几兆字节，此方法将保证通信开销低于1秒。

1. 另一种可能的方法涉及Matlab Compiler SDK toolbox (example) -它允许从你的Matlab代码中构建一个包，它通常比整个Matlab更轻量级。此Matlab包的初始化不能保证低于3秒(但可能非常接近)。一旦初始化，就有一种简单而自然的方式来重用你的Matlab函数，而不需要Matlab reinitialization.

。

可以使用-nojvm选项进一步改进

1. matlab -batch scriptname (因为，AFAIU，您不使用相关功能)。那是,

C:\Program Files\MATLAB\R2021a\bin>matlab.exe -nojvm -batch "disp(1+1)“

应该会快一点(在我的电脑上大约需要3秒)，与

C:\Program Files\MATLAB\R2021a\bin>matlab.exe -batch "disp(1+1)“

(在我的电脑上大约需要6秒)。