Julia在一个不经意的瞬间吸引了我，我为此也花费了大量的时间和精力去学习和改我之前的代码。但我从matlab改到Julia以后，在同样的近乎直接翻译的情况下其速度是相当的慢！Julia的有很多改进性能的建议，我每天不停的翻来翻去，我相信应该是掌握了不少诀窍。我将其中一个耗时的子程序，拆解为十几个小function，实际上速度仍未有明显的提高，比matlab要慢15倍！
看过一个帖子有人说Julia的底层可能优化不够，我个人觉得这是极有可能的。
我的算例的规模稍大，Julia的提速算例往往都是一些简单的算例，对于我这种规模稍微大的综合性程序少见。当然我个人的认知也有一定的限制。目前就我的理解而言，Julia的速度比matlab还慢难以接受。
我的代码有点太长了，没法发到这里给大家修改。而且这个涉及到自己的知识产权。
这个程序只能搁置了，或许在某个瞬间，某个idea能重新激活它。
没有关系。Julia性能不会比MATLAB差，你写的有问题。不放代码讲性能就是耍流氓。talk is cheap
代码有二十多个jl文件，没法放。我还没学到家，我在学学。Julia应该没问题。
二十多个文件说明你连基本的profile都没做过。
我正在研究怎么弄，到时候调整好了，我会向网友汇报。
谢谢，我用了profile.print()输出分析的结果，可是我完全看不懂这个到底是什么意思阿？另外怎么才能看memory的信息阿？
比如部分截取：
4 …er\abstractinterpretation.jl:1213; typeinf_local(::Core.Compiler.InferenceState)
╎ ╎ ╎ ╎ 4 …er\abstractinterpretation.jl:974; abstract_eval(::Any, ::Array{Any,1}, ::Core…
╎ ╎ ╎ ╎ 4 …r\abstractinterpretation.jl:880; abstract_call(::Array{Any,1}, ::Array{Any,1…
╎ ╎ ╎ ╎ 4 …r\abstractinterpretation.jl:895; abstract_call(::Array{Any,1}, ::Array{Any,…
╎ ╎ ╎ ╎ 4 …r\abstractinterpretation.jl:873; abstract_call_known(::Any, ::Array{Any,1},…
╎ ╎ ╎ ╎ 3 …\abstractinterpretation.jl:124; abstract_call_gf_by_type(::Any, ::Array{A…
╎ ╎ ╎ ╎ ╎ 3 …\abstractinterpretation.jl:251; abstract_call_method_with_const_args(::A…
╎ ╎ ╎ ╎ ╎ 2 @Base\compiler\typeinfer.jl:12; typeinf(::Core.Compiler.InferenceState)
╎ ╎ ╎ ╎ ╎ 2 …abstractinterpretation.jl:1283; typeinf_nocycle(::Core.Compiler.Inferen…
╎ ╎ ╎ ╎ ╎ 2 …bstractinterpretation.jl:1227; typeinf_local(::Core.Compiler.Inferenc…
matlab和julia跑的时候cpu占用一样吗
可以把整个输出放出来吗？最好profile一遍以后做 Profile.clear() 再profile一遍。要不然会看到很多Julia编译器内部的函数。
楼主用什么运行的？建议直接用CMD运行文件，反正我用IDEA编译器速度会变慢
我是用的vscode编程序，用include直接在julia repl里面运行，对于简单的小规律问题速度还是可以的，但是规模变大速度就很慢！
您能不能告诉一下，测试内存的具体方法阿？Windows的。我在shell里面用julia --allocation-track=user设置后，我运行一个程序然后关闭Julia，找不到有.mem文件阿。万分感谢！
用atom里juno插件的profiler吧，这个比较容易上手。装了atom以后@profiler 后面加要profile的代码即可。
内存我已经从1.6GiB优化到70MiB了，我发现在子程序里面有args= zeros(…)会开辟内存，随着循环量加大这个内存也会无止境的加大，请问这个该如何优化？子程序的最外层是一个for循环，循环量级可百万次。另外，内存优化完以后，使用profile去进一步优化？profile的使用已经掌握了，但是不知道如何分析里面的内容。这个哪里有介绍阿？谢谢！还有个问题，一般你们编程序会使用return吗？但是有些子程序必须要return才行阿，内存优化的时候，我发现含return的子程序也会站不少内存，搞不清楚什么原因。
只做了allocation的优化，profile的确实还没弄。
这个没分析过，但是同样的代码，用Julia改写的话必须得按它的游戏规则玩，否则速度跟不上matlab。拙见
尽量避免循环内分配内存吧，提前分配好固定的缓冲区。Julia会在下一次分配内存时触发GC，但是不保证立刻回收你的内存。
该return就return，具体情况具体分析，和内存关系不大。
但是有些矩阵的大小未知，需要在子程序里面确定后预分配，这种情况怎么处理？
和你分享一个我之前遇到的情况：我之前有一个程序，会对组合情况进行计算，中间会产生2000个临时数据文件，当时我尝试动态合并，发现速度很慢，我直接把临时文件保存到本地，全部计算完，在下一个环节里，一次性读取这些文件【读取的时候，第一遍统计这些文件加起来一共有多少行，比如有100万行，则开辟一个100万行矩阵，然后再逐个文件读入矩阵】。
搞个大点的矩阵，然后用@view，在大矩阵的内存中填数据。不必要每次都重新划分新内存。或者你不去管它内存划分，占用大了，他自然会回收，好像不像python一样，引用为0就立即回收。
其实matlab也有很多规矩的，大家都得遵守。