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 & ~& j6 J+ h4 M0 S9 N, e
. T7 q; V& n$ X# w9 R3 m
做一个数字信号处理的小算法，需要算互相关。" e' ^  n* ~9 ]. n! H$ C
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。
0 D4 H1 _' F4 t2 f
3 \9 Z9 R/ z3 |, IOctave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 。
/ m, U4 m* o9 ~: w7 o- z* p9 z" n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。
1 ~& K/ A$ U' G& C0 T% ~6 C5 t4 k8 P' E
C++ 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。+ J  \) `3 q3 x, _0 T0 _2 H

% S+ w$ v7 j2 \! r+ P高手们给分析分析,  多谢了。
4 T, Q. f" h8 C) Q; V/ d
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。
& H& X: L/ d& w$ Q0 A1 J$ k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。5 F' s5 E+ K, n, [) Y4 w
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 ; v  z; A1 h/ C) }) q8 P0 \
雷声 发表于 2022-9-23 07:02/ y; [9 q# x# z# G6 ]- {
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。 ...
8 {) o( n& A  N7 X7 v* r) x

0 Q' W6 N6 d7 D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。+ H* G. }( C6 P$ z9 o7 B5 W. h" ]8 b
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 , e9 T6 l! T3 ?# ~
* J/ U, }; ]' x/ E4 u: b
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 6 ~- l  V6 D0 ^4 O$ E/ q8 k+ a

: }& z1 |1 U4 Y! |' JC++ code 用的是普通乘法？换成sse/avx向量乘法试试？
* R2 z1 k; ]7 {. a. b( l) c并且是单线程的？加个openmp并行试试
: U& e; c* R7 n* q" E; l或者调用mkl 库的互相关函数试试
4 Z4 H3 ~: A# `* A
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:18% G! W% r1 X  E
汇编快！

% c7 M, I8 c/ G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.
- w0 C  s! [7 `1 w$ M1 ^  Z0 Q" D# X" O7 g  P: J6 f5 x
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. T# k6 B4 V) N4 Q! Y
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++ ...

' l  a- G& N7 r( i) y& ~STL对性能优化没什么帮助，只是写起来比较安全而已。. p) P- S9 _; a( S
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 C8 n9 r% }( p买个Ipp库虽然不贵，但是还是要几百刀的吧？
& |! g9 P# \# S7 s. [( `; K' c
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
6 V, E  ?) T: Q: N9 D3 Q( i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.3 V9 _6 @7 q6 G+ N- b
# ?) k# b+ {2 ^% R8 A5 M4 x
最好还是用高性能的计算库, 比如inte ...
3 J/ m) s8 C  C- @( n
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$ }% H( J  Q1 D9 e5 d' ~7 j; \/ ]
STL对性能优化没什么帮助，只是写起来比较安全而已。" \1 e8 y9 H( S& \
下面数值分析回答的是对的，要么用avx自己写，要么 ...
. N" q- W+ K9 |* U, P3 G5 n  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）
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
+ C0 n$ V! d5 `! o
沉宝 发表于 2022-9-23 20:53
9 Z4 l4 w, @9 F  N) C- l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） ...

) q" i2 \9 G7 u7 n. h' T* n0 T2 y; J! X6 _. R
必然是GPU啊，10来个核心对上千个计算单元。。。2 J" y; ~9 q2 W/ M# N1 M- S
6 K& k/ \* T/ }+ S2 X; \- a4 G
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！）+ o* a4 z& q- R0 |$ e2 ~
. @# X$ F( [3 i" U0 x: s1 e
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 h# m6 @1 |! Y* E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.
# d$ b: B9 X; }; R. ~( ~
: P8 a0 w! G, l最好还是用高性能的计算库, 比如inte ...

' X3 H8 h7 h& D) s! P8 M( q区别还是很大的。编译器的优化还到不了那种程度。
# y) }. e: _6 F' E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) `! w- P9 x$ s) |

+ j" V: n5 ~" O3 k9 ]! }* e; v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？' b# S: {6 J& v, p% y
& n0 ~! O5 M, V$ i5 V' T
想了解一下你问题的规模：
/ i! h. l$ G/ u5 ?1) 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。0 Q: t( h0 n- H" n
2) 矢量和一个二维数组的长度大概是多少？
: f* x& l0 e5 T6 B3) 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
5 D' k: i1 U6 N6 Z
沉宝 发表于 2022-10-2 01:387 F6 V- n' X4 P
现在进展怎么样了？
: T* `% ^1 \; r( @9 E9 B. s
5 _2 W$ W3 n0 |& I1 Q想了解一下你问题的规模：
) V& A  X$ g  A( N( P0 ?
" L' c6 y. Z5 ?8 j. d1 k, x
多谢关注。
+ b% P' C* g6 q4 a. S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。
0 H! {* V4 `4 M& g+ s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; D% Y: M% W& j. B: u
多谢关注。; G+ U2 C" s" ?5 T$ N4 b
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 ...
2 R& J1 S' W/ Z: U
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？+ M' I; d$ [& B* e$ K2 {5 G
7 s. L  G5 q7 g! j
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 " p+ `% o2 a, t( `7 i: }+ _+ D3 c" @% M
沉宝 发表于 2022-10-3 01:16
: l7 M' {6 j6 p3 R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？
& A3 r* ]  N, J9 ]& ?# L% _( d8 W% t9 y1 r: b* [
另外，你在 Octav ...
9 f1 \  f# K9 w  t0 g2 f
* E8 t( u: r' _1 x* q" q. q  R
应该没有那么大。* G% C& M: i0 P
我算的：  u! @) d2 _% m3 j
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。; B0 R0 ^6 U" d" ^5 v' @; {
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