爱吱声

标题: C++ 比 Octave 慢好多，怎么破？ [打印本页]
作者: 雷达    时间: 2022-9-23 06:27
标题: C++ 比 Octave 慢好多，怎么破？
本帖最后由 雷达 于 2022-9-23 06:29 编辑
3 e0 N6 l) j* P# c* k6 r0 ], a: O) d' ~" x. S7 E
做一个数字信号处理的小算法，需要算互相关。
  g0 h2 d" v! J! S/ X先用 Octave （兼容matlab 那个东东） 做了一下，感觉慢，走通后就用C++ 重写，结果比 Octave 还慢，目测能慢10倍，很不科学啊。: e) P+ W7 }7 H' d8 v. l! P1 @7 x
, w/ w/ s3 C2 h# q4 q
Octave的互相关有现成函数 xcorr,  C++ 需要自己写。互相关是一个一维矢量和一个二维数组里的矢量依次做。矢量里是复数数据，没有用 STL，自己做了个  Re/Im 的struct，其实就是两个四字节 float 。
& s3 ~- W. y7 l: q互相关的最基本运算是两个复数的乘法，就是四次 float 乘法再相加，所以本质上影响速度的应该就是 float 乘法和加法。6 ]9 e( m( y1 n

* D3 i! O) @7 S* m6 L. u; o( cC++ 用的是VS 社区版，估计编译器不给力，但也不至于差这么多啊。% Z0 P4 O% p. u2 f3 w1 Z2 E# q

2 d1 \: X; g- ]6 A高手们给分析分析,  多谢了。
8 U7 [& R' e( P3 v: H
作者: 雷声    时间: 2022-9-23 07:02
互相关这种是最适合矢量化的，Octave应该是用SIMD 或者CUDA写了核心的计算部分。所以比没有优化的快很多。我差不多20年前做过类似的二维相关处理，优化过的比老师自己写的快了三四十倍，实验室的小崽子们怨声载道。因为本来等处理完一次数据需要差不多六七个小时，正好打游戏。优化完了之后不到二十分钟就好了。啥也干不了。3 P- r' H% g; m' l2 |6 S# q7 P
你想省事的话用Intel的IPP库，里面有现成的高度优化的互相关函数。或者用CUDA自己写一个。
" D, G6 p1 i: f# t& o你做信号处理很熟的话，这个还可以用FFT来做。应该会更快一些。九十年代很多人这么处理，主要是那时候CPU实在太慢。现在基本用不着了。而且FFT前后处理比较麻烦，加窗什么的。
作者: 雷达    时间: 2022-9-23 08:13
本帖最后由 雷达 于 2022-9-23 08:15 编辑 - z4 U. s9 M/ [/ N: d* U, y
雷声 发表于 2022-9-23 07:02
% R2 j% h# I& Y互相关这种是最适合矢量化的，Octave应该是用SIMD 或者CUDA写了核心的计算部分。所以比没有优化的快很多。 ...

( \9 ^' V+ F; f$ Z2 ]2 S- ]2 \* H" |  z) \: b4 o9 ^, w
嗯， 我就是觉得 FFT 反而麻烦，互相关代码本身倒真没有几行。那看来就用 octave 就好了，没必要再用C++重写了。; Q( ?& q: D9 o9 b! e
另外，我现在就是用指针数组，如果用 STL 的Vector 会不会更快一些？
作者: 可梦之    时间: 2022-9-23 09:18
Octave/Matlab内部对数值计算做了很多并行和优化。内核甚至是用Fortran写的。你用C++重写，没有做并行优化，真未必比他们的性能好。
作者: 阿忙    时间: 2022-9-23 09:55
Matlab不是浪得虚名的，要打败它还是要下点功夫才行
作者: 雷达    时间: 2022-9-23 11:00
本帖最后由 雷达 于 2022-9-23 11:10 编辑
7 d! Y9 y0 d4 q' [- a' B+ ~: d& t6 f& y. C& r& h# O
研究了一下，似乎可以用预处理指令对浮点运算做一些优化。这个问题比我最初想象的要复杂得多
作者: 马鹿    时间: 2022-9-23 11:18
汇编快！
作者: 数值分析    时间: 2022-9-23 11:34
本帖最后由 数值分析 于 2022-9-23 11:48 编辑 % D8 A4 H( S  m: i2 o/ d
" y+ K  F' I8 L3 C
C++ code 用的是普通乘法？换成sse/avx向量乘法试试？
. e! s7 F2 {6 x6 V并且是单线程的？加个openmp并行试试+ Y/ h1 ~( B$ P1 i- }
或者调用mkl 库的互相关函数试试4 W0 p0 }9 z, w/ U1 F- O
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:18
; O. E3 f. j# G8 W, t, S; e汇编快！
. y0 A* s$ P7 ~9 {" l! T7 o
这种问题的优化, 在语言层面没太大意义, c++和汇编没什么本质区别.) C, v( A7 [) h

  Z6 y, L, N6 P# r5 x+ r最好还是用高性能的计算库, 比如intel的ipp,或者看看gpu方面有没有类似的库.
作者: 走两步    时间: 2022-9-23 12:59
涉及矩阵的用blas
作者: 雨楼    时间: 2022-9-23 14:05
实际使用中要考虑综合成本/时间。比如用octave /Python 解决起来简单。自己另起炉灶麻烦些。
作者: 雷声    时间: 2022-9-23 15:48
雷达 发表于 2022-9-23 08:13
6 X! c3 a0 O- v  c" v/ j9 o% q2 S+ j嗯， 我就是觉得 FFT 反而麻烦，互相关代码本身倒真没有几行。那看来就用 octave 就好了，没必要再用C++ ...

  ]( |. S$ l' [: C0 O+ o4 \" DSTL对性能优化没什么帮助，只是写起来比较安全而已。2 p, A1 y6 J& D$ Z: r
下面数值分析回答的是对的，要么用avx自己写，要么就凑合用octave得了。
3 Y+ N" Z4 J7 y) o8 L) J& u  N买个Ipp库虽然不贵，但是还是要几百刀的吧？( d% J+ Q# J7 [. V5 [8 h
作者: 四处张望    时间: 2022-9-23 16:05
矩阵最简单用eigen，然后enable  avx2以上
作者: 马鹿    时间: 2022-9-23 20:24
mark 发表于 2022-9-22 22:43. R% k& {& I$ u2 T8 z" N0 U
这种问题的优化, 在语言层面没太大意义, c++和汇编没什么本质区别., i6 j7 @4 \. M' r0 W1 M% ?8 B
$ F- U- U  K8 ]( t/ Y( W
最好还是用高性能的计算库, 比如inte ...
1 i0 R0 H5 k. H  R0 w: x
我不是it的，说汇编是起哄呢
作者: 沉宝    时间: 2022-9-23 20:53
雷声 发表于 2022-9-23 15:48# q/ R0 {2 m  a. y
STL对性能优化没什么帮助，只是写起来比较安全而已。
0 ?, X- G7 G; Y4 }. s下面数值分析回答的是对的，要么用avx自己写，要么 ...

+ i0 F1 e  T5 l9 L7 {9 X你觉得在用AVX自己写与用GPU加速的Octave之间，谁有可能性能上超出？（基于中等价位的硬件水平）
作者: 数值分析    时间: 2022-9-23 21:37
本帖最后由 数值分析 于 2022-9-23 23:50 编辑
1 }* H4 u/ D" z' z0 F9 ~
沉宝 发表于 2022-9-23 20:53" q& u  F) I  O! o+ T
你觉得在用AVX自己写与用GPU加速的Octave之间，谁有可能性能上超出？（基于中等价位的硬件水平） ...
6 e  N1 s" U5 Y' k
6 m% p2 }- F1 c
必然是GPU啊，10来个核心对上千个计算单元。。。: r% l/ |; A5 a: U) _
1 V2 J* J! G6 ^$ z: `$ N5 S
有道是 双拳难敌四手 一虎不如群狼
作者: ltpub    时间: 2022-9-26 18:34
先用性能探查器看下热点在哪里，用前面坛友们的方法针对性优化下，满足了应用需求就收手（心中牢记那句箴言：又不是不能用！）
" n2 p1 `5 v, G1 Z5 R5 q2 n' l' N' J$ R/ z  `2 ?1 g. o+ F
不知道vs的社区版带不带性能探查器，不行的话用pro/ent试用几天应该是不违规的，实在不行把C++编译到Linux下，那perf工具可就多了去了
作者: 机器猫    时间: 2022-9-26 23:30
mark 发表于 2022-9-23 11:43
4 B, ]. v. a- u这种问题的优化, 在语言层面没太大意义, c++和汇编没什么本质区别.
9 `$ K6 E/ A/ h1 s
1 E6 R% \+ q; H* B8 X4 V5 U% l最好还是用高性能的计算库, 比如inte ...

% Z8 ^2 J# b' p$ d! q! O  Z区别还是很大的。编译器的优化还到不了那种程度。2 s0 M' W0 J: C) O6 _$ C2 S% ?
你说的那些“高性能的计算库”很多估计都是专门的人用汇编手工优化出来的。那个得对要优化的系统非常熟悉的人来干，打个比方那条指令用在哪个地方会导致cache需要加载，这些都必须考虑到
$ m7 L/ `! D3 d' S1 \- e# e7 e1 [! Y  Z/ R
当然对于调用这些库的代码来说，一般C和汇编区别不大
作者: 沉宝    时间: 2022-10-2 01:38
现在进展怎么样了？
1 E8 H/ N0 P+ Y2 N: `
$ j. n. t5 a/ @6 f想了解一下你问题的规模：
% K0 [# y& `5 U* y1 z3 U/ T1) 你说互相关是一个一维矢量和一个二维数组里的矢量依次做，那么这个二维数组有什么特殊意义吗？需要对所有维度按列操作并返回一个矩阵，还是就是简单的一对一算过去？换一句话，本质上要的是一个1-维互相关算法，还是N-维互相关算法。
& f; Z5 R- q7 v/ m9 o2) 矢量和一个二维数组的长度大概是多少？: t2 J, H+ U- v( _( D
3) Octave 大约跑了多长时间，你心里期望的速度大约是多少？
作者: 雷达    时间: 2022-10-2 03:04
本帖最后由 雷达 于 2022-10-2 03:06 编辑
; r0 M4 ^( Y, A, D2 F9 U3 t0 K
沉宝 发表于 2022-10-2 01:380 r. {# S. k1 d! K, P6 q
现在进展怎么样了？
; t/ @+ [! Q' c( N6 u3 b! ^3 e+ n1 T/ Y0 I# S; G# G' H6 }! z
想了解一下你问题的规模：

. g6 m7 ?7 o) M" j! s& |8 Q0 w0 v1 [* i3 f( A4 t# {  Z
多谢关注。
( g4 ~! j5 U  {- W& w规模还比较大，一个至少3万*3万的二维浮点复数矩阵，用一个4000点复数矢量对矩阵的每一个3万点矢量做互相关，重复3万次这种互相关。
- `/ L6 E$ d# W我已经试验成功了 AVX 算浮点内积和 VS 优化， 再加上多核并行，我希望能至少和 octave 打平。但现在手头有其他事，还没有时间改正式代码。
作者: 沉宝    时间: 2022-10-3 01:16
雷达 发表于 2022-10-2 03:04" z/ P, Y& ^" E. ^3 \& ~  B
多谢关注。
2 f$ j* \6 S3 N, s) m规模还比较大，一个至少3万*3万的二维浮点复数矩阵，用一个4000点复数矢量对矩阵的每一个3万 ...

8 j# M5 X: g3 Z0 c你在 Octave 跑出来的速度是多少？没有具体数据的话能不能说一下数量级上大致在哪里？1 s3 `5 |5 K) A7 B, p$ ~6 t4 t
% h/ E" ]9 y( n7 |
另外，你在 Octave 上的测试是按实际数据量跑的吗？我大概估计了一下，如果我没有算错，你那个二维浮点复数矩阵的数据量大约240TB（1 billion elements, each element has 30000x8 bytes）。这么大的数据量不可能全都放进内存中准备好，（事实上，它们已经不是一块硬盘可以装得下的了，放在磁盘阵列上吗？）有可能计算机的I/O吞吐性能也成为影响真正计算速度的一个重要因素。
作者: 雷达    时间: 2022-10-3 09:13
本帖最后由 雷达 于 2022-10-3 09:16 编辑 5 W" T; O) d! g0 S" D9 W
沉宝 发表于 2022-10-3 01:16# [& S( c% K8 q. k" b6 h, {
你在 Octave 跑出来的速度是多少？没有具体数据的话能不能说一下数量级上大致在哪里？5 ~% K2 F, b4 L/ n2 a; t1 N

  g5 S5 M1 K5 G$ G另外，你在 Octav ...

- W0 y' P  W1 S% F; G7 K5 ?
) C+ k7 j4 [  u& [; @1 B, R应该没有那么大。
, ~, \( p- C! {  z. O9 U我算的：7 ^' w4 t# B+ o9 d9 J  F
3万*3万的二维浮点复数矩阵, 30k*30k = 900M个点, 复数 *2， 浮点数 *4，总共 7.2G。
* K  m8 K2 b9 r& k9 z: A做算法的时候，一行一行从文件读取，有个16G内存应该足够了



欢迎光临 爱吱声 (http://aswetalk.net/bbs/) Powered by Discuz! X3.2