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 & d- p9 i" ]( }+ C

$ U: _# @- a$ k9 l. g* H# u) ?做一个数字信号处理的小算法，需要算互相关。
5 |/ p6 m5 w. }. A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。$ N* U1 T! b% ^$ v1 K0 j
# A& l7 b% N% h' b+ i/ O0 c& E
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 。1 w+ I" q: `7 T$ b$ A
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。
! y. w6 M  z( r% }
. c& g' l, P1 T1 F$ m$ _2 ~5 a/ H- 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。
0 o6 }0 E2 l; H7 m* p) n
. J* |. ]7 r& d9 A5 y; {高手们给分析分析,  多谢了。6 w: g4 B6 f, M
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。, x" E: L6 b5 j; J* e+ T
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。
2 H6 Z! f& S; I, t% _3 x6 T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 + K( E" c: k" [1 V& p' e
雷声 发表于 2022-9-23 07:02( B( ?- Z" H  ~4 ?: {% N
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。 ...

+ N% s  @; _: x9 F
+ h5 l% S  {  {+ V# y  y- c8 ~5 A! p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。
- m' f: d% J6 O* a% X6 V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
! P9 g3 G" Q) r! N6 m5 Z! f1 R. x9 M5 K6 ~! b' N# w- G# m( F$ F. Z2 N
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 ! E9 y; i# M2 g6 K  f% V+ I& C- T

. X1 u1 v) b0 ^0 i9 qC++ code 用的是普通乘法？换成sse/avx向量乘法试试？
3 {+ _0 v6 H: T+ |9 E. ^% F并且是单线程的？加个openmp并行试试. b. J- q1 T% J% X$ I
或者调用mkl 库的互相关函数试试
  R3 w8 y  G  q2 R' l5 ^1 ?' o( E
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:18
+ c, h6 S. ]8 m! `汇编快！
6 z7 {. q0 }9 I( |$ 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.- X$ m% S0 `8 ^# [
' j; y% f1 U  J1 n
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
) P# n$ W' ^9 {. I5 i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++ ...
  a( |* K# o9 I  M, J! V' A
STL对性能优化没什么帮助，只是写起来比较安全而已。# q1 p6 Y/ S' L5 S$ W% f  s( F
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。
: K5 V7 b% I5 f. v买个Ipp库虽然不贵，但是还是要几百刀的吧？( }( q! @0 L1 q
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/ H5 G- x+ O8 K
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." t9 S' |# E# S4 h! t5 `" b
% Z4 R: ?. T6 J
最好还是用高性能的计算库, 比如inte ...

& o. b+ W, ], ^# t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
4 W4 `# w) E# r1 Z& v3 X" p- M, MSTL对性能优化没什么帮助，只是写起来比较安全而已。; p8 R3 v( u% _) }3 e) ]  x
下面数值分析回答的是对的，要么用avx自己写，要么 ...

! B% p# {9 t* F0 Q) }; r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 / K8 h: k0 v; s: B9 z: m$ H
沉宝 发表于 2022-9-23 20:53
! p: N- j# k- H7 x. n8 D/ l9 }- j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） ...
5 ~: f  L! a; y! y% D4 E5 h% g& N

; @: \! ^- A5 S3 G: [3 k+ l# Q! ~必然是GPU啊，10来个核心对上千个计算单元。。。
2 t1 B) K- Z$ A$ \4 J2 k$ r4 E: z  `' z
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！）
  |3 v7 v# a' g* t
& d: C% G& K9 ]4 v1 z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; l$ h, w3 v4 _! ?) t
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.
) e; C$ Z7 R% f
+ \$ \% t6 z. }1 O" [最好还是用高性能的计算库, 比如inte ...
! I! S5 H! ?  [2 {( f' @
区别还是很大的。编译器的优化还到不了那种程度。
2 j6 F0 [) K" e$ @5 Z& E. b; l0 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/ |0 ~3 N" _% X

& q5 i8 o! u* h/ O, m1 C* x7 ?4 i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？+ H& K; A, j; q. Y
8 r3 N7 |0 A- N1 Q" J  r( ^
想了解一下你问题的规模：; C- B& c  s% R3 {% g" D8 M( {( W
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。; I/ g% a7 t- ~' C+ }
2) 矢量和一个二维数组的长度大概是多少？) V6 Y0 K. [1 m. D8 V! b6 u
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 % z4 F! ]- P( a: Y( K9 A: k
沉宝 发表于 2022-10-2 01:381 A, ]3 I9 p) S$ U6 ?1 ?; C  A* `
现在进展怎么样了？
0 f, p% `5 {! n7 O$ F) ]: U6 ^: u4 q% k
想了解一下你问题的规模：

- {1 F4 o* L# t; p  F* X# n7 n; i) G, [- K
多谢关注。- g5 s$ u0 J# u
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。
- y* Y1 F, d7 b% I0 g( B$ ~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  C) ~+ r9 f6 G$ y4 F
多谢关注。' Z5 p7 _, h" h1 x
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 ...
' J! v3 {# b9 I! J) z3 J( F
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？
, h5 f3 e' `" h1 T' ^, m0 t- f1 u. [1 ~) O# |
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 * D. [- n5 Y0 M3 _
沉宝 发表于 2022-10-3 01:16
. c5 i+ m( K4 {; I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？
' V! }( G/ D) A6 L; q2 u; F4 {2 l% L; Q( z" j8 f
另外，你在 Octav ...
7 {+ w) Q: O* s6 A

% j: R$ O# F9 i7 _" T应该没有那么大。
. ?, |. X) {4 b& u我算的：% E* [+ W+ q' X2 Y& A$ [
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。
' {# D  w) o; ?  D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