C++ 提速的新发现
C++ 比 Octave 慢好多，怎么破？自相关两层循环，内层循环涉及浮点数计算，试验了一下把内层循环内部全都 comment out 只留个壳子,但空的内层循环本身就把速度拉下来了，看来问题并不在浮点计算。
速度优化问题真的很有意思啊。
欢迎大家继续讨论 拉下来？拉多少？
把代码贴上来看看？
难道分支预测不准破坏流水线执行？不该啊。 会不会代码本身的缺陷阻止了自动优化？另外，硬件配置和开发环境可能也有关系。 Maybe Debug mode? 本帖最后由 雷达 于 2022-9-24 23:57 编辑
数值分析 发表于 2022-9-24 23:04
拉下来？拉多少？
把代码贴上来看看？
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
comp temp, xtimesy;
xtimesy.re = 0;
xtimesy.im = 0;
int j0 = lenB - 1;
int i, j, i1, reali;
if (lenA % 2 == 1)
reali = lenA + 1;
else
reali = lenA;
reali /= 2;
int nconv = reali + lenB;
//#pragma omp parallel for
for (i = reali; i < nconv; i++)
{
temp.re = 0;
temp.im = 0;
i1 = i;
for (j = j0; j >= 0; j--)
{
/* floating date operation */
}
}
}
xcorr函数代码如上，comp是复数struct, 做过长度为11、19两个矢量的测试，和octave结果完全一样
红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
现在call xcorr 100次，耗时78s.
如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.
风雨无阻 发表于 2022-9-24 23:33
Maybe Debug mode?
不应该，看我上面的回复。
我更怀疑是 VS 社区版的问题 本帖最后由 数值分析 于 2022-9-25 00:24 编辑
雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
comp temp, xtimesy;
这个不是这么比的吧。。。
您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。
而加上内循环，光jmp和dec指令就至少多执行了6000个，慢个几十倍不是正常的么？ 本帖最后由 雷达 于 2022-9-25 01:09 编辑
数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。
您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。
有道理。
所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，记得 numeric 库里有算向量内积的，我回头试试。
我先尝试尽量用标准库，一个小程序，不想搞得太复杂。多谢了 雷达 发表于 2022-9-25 00:46
有道理。
所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，这大 ...
你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子，把循环本身翻译成机器指令loop或dec/jnz，两者速度上会差很多
Why is the loop instruction slow? Couldn't Intel have implemented it efficiently? 数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。
您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。
而加上内循环，光jmp和dec指令就至少多执行了6000个
现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果循环这样跑，花不了多少时间。 本帖最后由 数值分析 于 2022-9-25 02:16 编辑
沉宝 发表于 2022-9-25 01:48
现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果 ...
是的，兄台说的对。
其实我想说的是 真正数值计算部分和代码中其他不直接计算的overhead的比值这个事儿。
雷达兄构造测试用例的时候，屏蔽掉了所有计算的部分，使得剩下的都是overhead，这样run time比较的结果就显得好像不合理了。如果把计算加回去，计算部分的run time会dominate，结果就不那么离谱了。因为不好说，所以用指令数对比的方式试图直观地说明这一点。
比如说，如果有计算，那么跑六千个循环相对于计算应该用不了多少时间。但是如果一边是什么都不做，另一边是六千个循环，那六千个循环比什么都不做慢几十倍了，就不是那么不合理了。
当然也有可能像兄台说的，是优化参数的问题，但我觉得更多地是测试用例设计的不合理。 本帖最后由 雷达 于 2022-9-25 04:49 编辑
沉宝 发表于 2022-9-25 01:27
你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子 ...
又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差一倍，我上面这个差的太多了。
我已经完全懵了。 雷达 发表于 2022-9-25 04:47
又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...
时间差一倍的结果可以接受。
你还是用profile工具看看吧。现在大家都主观瞎猜。 本帖最后由 数值分析 于 2022-9-25 15:38 编辑
雷达 发表于 2022-9-25 04:47
又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...
能不能把这个也贴上来，看看和上一个有什么不同？ 本帖最后由 雷达 于 2022-9-27 01:17 编辑
数值分析 发表于 2022-9-25 14:58
能不能把这个也贴上来，看看和上一个有什么不同？
理了理思路，重新做了一个测试。
做了两个 vector 和 两个 float *, 都长 100000
外循环 6000，里面先做随机数生成，模拟真实环境，避免数据的 cache.
内循环试了4种方法，
1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s
不做内循环 200s
你昨天说的对，内循环本身占比是很小的，大头在其他处理。
另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
至于我那个原始程序，还有一些疑问，见5楼，其他都不变仅仅是有无空的内循环就有很大不同，这是不对的，也许有一些其他缺陷我没有看到。（也许可以改成 while 试试）
（为什么下面我贴的b1 加 方括号里的 i , 显示出来却是 b1 ？方括号 i 消失了。 LOL . 改成jj 好了，原来 方括号里的 i 是斜体标志LOL）
std::vector < float > vec1(N);
std::vector < float > vec2(N);
float* b1 = new float;
float* b2 = new float;
for (int j = 0; j < 6000; j++)
{
std::generate(vec1.begin(), vec1.end(), []() {
return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
});
std::generate(vec2.begin(), vec2.end(), []() {
return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
});
for (size_t jj = 0; jj < vec1.size(); jj++)
{
b1 = vec1;
}
for (size_t jj = 0; jj < vec2.size(); jj++)
{
b2 = vec2;
}
//Method - 1N=100000 247s
//fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
//Method - 2N=100000237s
/*
for (int jj = 0; jj < N ; jj++)
{
fresult += vec1 * vec2;
}
*/
//Method - 3N=100000 204s
/*
for (int jj = 0; jj < N; jj++)
{
fresult += b1 * b2;
}
*/
//Method - 4 202s
/*
for (int jj = 0; jj < N; jj++)
{
}
*/
//comment out all methods, N=100000202s
}
delete []b1;
delete []b2;
瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？
你第二个试验里面的j在循环里面又重新定义了啊，你确定真的跑了6000次？
机器猫 发表于 2022-9-27 00:15
瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？
你第二个试验里面的j在循环里面又重新定义 ...
内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累 、LOL
不和它较劲了，瞎耽误工夫，我已经转到 ubuntu, 也准备顺便试试 avx2 向量化。 雷达 发表于 2022-9-27 01:16
内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累 、LOL
不和它 ...
{:191:}
不过可以试试我说的register变量。前一个试验j是混在一堆其它变量里一起定义的，很有可能是在stack上，这样内存读写会更多，要是再碰上每次都需要加载cache就更慢了。
后面一个是在循环那里定义的，说不定编译器就把它优化成register变量了 一个无关问题，为什么爱坛的帖子里在我这里有好些奇怪的东东在里面，是防拷贝措施吗？ 雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
comp temp, xtimesy;
这个code里面如果Openmp没有被注释掉的话，那么temp那个变量应该是定义在循环里面，否则线程之间会存在争夺写入那个temp的风险。
内层for循环如果没有内部操作的话，编译时应该被优化掉了，和你完全注册掉整个循环是一回事。可能你的编译设置没有打开优化？
VS社区版没有问题，我工作用的就是社区版，设置正常的话不会比商业版差。以前游说头头用Intel Compiler，他说不想花钱，而且差不了多少，就一直用到现在。
页:
[1]
2