在C中缓慢的Matlab R2018b TypedArray数组访问

Slow Matlab R2018b TypedArray array access in C++

我正在使用MATLAB R2018b mex函数将C库与我的MATLAB代码集成在一起。作为其中的一部分，我需要将数据保存在MATLAB数组中，并保存到C指针数组和C结构向量中。但是，映射matlab类型的数组被证明非常慢(对于?800,000个元素，约为0.4秒)。

这是相关代码

1
2
3
4
5
6
7
8
9

const matlab::data::TypedArray<float> Vertices = std::move(inputs[0]);
float* positions = new float[Vertices.getNumberofElements()];
for (size_t i = 0; i < Vertices.getDimensions()[0]; i ++)
{
ctr = 9 * i;
positions[ctr + 0] = Vertices[i][0];
positions[ctr + 1] = Vertices[i][1];
positions[ctr + 2] = Vertices[i][2];
}

是什么导致此循环变慢？我尝试为Vertices重新排序数组访问，以尝试使代码对缓存更友好，但这并没有产生有意义的加速。现在，对于80万个元素，循环约为0.4ms，理想情况下，内存复制应该花费更少的时间，对吗？

当我查看以前的建议时，我发现大多数答案都使用较旧的mex函数，而new(？)MATLAB C API不具有相同的函数或结构。

编辑：

我遵循了Cris的建议，并在迭代器上进行了循环，从而将速度提高了约一半，达到0.14秒。

我正在使用的新代码是：

1
2
3
4
5
6
7

const matlab::data::TypedArray<float> Vertices = std::move(inputs[0]);
float* positions = new float[Vertices.getNumberofElements()];
for (auto it = Vertices.begin(); it != Vertices.end(); ++it)
{
positions[ctr] = *it;
++ctr;
}

因此它更快，但仍然令人惊讶地慢(800,000个元素需要0.14秒)。还有其他方法可以加快此循环吗？