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 M, S0 j. \  L

$ Y+ R$ S3 }4 _: K) v! `" ^做一个数字信号处理的小算法，需要算互相关。% E3 _0 X. i) L5 v4 i+ K" x# _8 V
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。
3 h. r1 x7 s. _: X2 ]8 c% t9 x1 B( P
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 。
4 d. A- O( G; w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。# `  X9 w  f1 ^, q* o$ U% }

6 @: a9 j9 ~; C4 [+ r7 `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。' l1 h+ _; {3 {) z8 y
) Y$ [5 [  B4 ?# X2 e+ S) `5 `
高手们给分析分析,  多谢了。
! P* o4 O* a0 x) _- O5 h3 j
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。% k2 d: i2 c& j
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。
, R" `( |4 m4 M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 0 }; i# U% U& {7 d
雷声 发表于 2022-9-23 07:02, x; V3 X& G5 ^3 {
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。 ...
" i1 l' `7 i9 b1 ^

" I$ r1 X! F: b: B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。
2 P! K3 r8 h2 {* j0 l: l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
: I/ l% U& o( x! j) d3 o
2 x6 G6 H: b" V2 Z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
4 h: |+ D2 \, G5 M+ E; _6 [4 g! q  u3 j; Q2 `" T
C++ code 用的是普通乘法？换成sse/avx向量乘法试试？
$ _0 m" r# z  }% x- C并且是单线程的？加个openmp并行试试# b8 Q' R) M7 p0 f2 t
或者调用mkl 库的互相关函数试试% e" ?- Y, n7 X' E6 ~
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:18
; x2 H0 p* q9 X! X汇编快！

4 V9 j9 v6 M9 \& d: m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.
/ O8 F- t, M4 j9 [9 E, I
# ~8 _! F7 F/ P' |6 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
# j; ?- G" h+ U) A8 y. e9 u* a5 W/ a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++ ...

. o' @4 _. d( T7 C% m+ y% Q1 KSTL对性能优化没什么帮助，只是写起来比较安全而已。
: w3 h' O$ h6 d* {; K* n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。+ q/ r/ i6 ]/ ?. Q
买个Ipp库虽然不贵，但是还是要几百刀的吧？
# {4 |' j" P, d( P
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
8 b3 }8 q. G% J, m+ v+ L% T+ O( z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 [2 j# C9 z) S+ D' g/ E2 s. X: K7 P6 ?. O: b* ]
最好还是用高性能的计算库, 比如inte ...
2 P5 B8 B+ `- e1 ?
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  s2 Q  e6 l$ n- Y0 o( B
STL对性能优化没什么帮助，只是写起来比较安全而已。& Q; \4 X. L% {; o
下面数值分析回答的是对的，要么用avx自己写，要么 ...
+ Y, t' M$ p2 i* n; c
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
4 \5 R) k- L9 H) n" B; J
沉宝 发表于 2022-9-23 20:53
: e) |1 X2 f( x; n; @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） ...

+ |3 M5 T& e1 V4 _5 U  f% f1 w& R! s0 m; x' }# F
必然是GPU啊，10来个核心对上千个计算单元。。。4 h: H( X/ a5 W8 J8 b9 b
2 Q+ ]: S; a4 L* `3 d( r
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 C! C1 V0 u# v7 A$ k3 e0 D% f! B: \, O& P/ l
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 11:439 |; {2 J" ~% v) p+ H7 M3 f
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./ B- `. K9 `- z
+ R  X, G+ k5 r! z
最好还是用高性能的计算库, 比如inte ...

3 S2 a- k+ `) Y区别还是很大的。编译器的优化还到不了那种程度。
2 T* C# L+ @+ {: Q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" {1 W$ e- O4 L( C2 z! J* K

6 O( }. f4 u5 }; ^4 g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？3 d: B/ I5 {  U$ H8 c

) `2 X! r$ |* u3 T, E想了解一下你问题的规模：6 y" F5 \1 m6 T9 a2 w+ E* t% S. k
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。# F/ [3 r& c* I2 l8 D! ]5 l
2) 矢量和一个二维数组的长度大概是多少？' n/ y6 F1 r1 z* B9 b0 ]! j8 |; M! P
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 ! I, K7 h" F8 f* h4 B6 V
沉宝 发表于 2022-10-2 01:38; B; t8 G% h1 d0 T
现在进展怎么样了？( E: [: v( g7 ^2 t4 w

* y$ k/ O3 r1 u' O8 n; U+ a想了解一下你问题的规模：

& p% [7 c" l' }& }. \1 i2 r( H
: [: ~; z) c0 w2 ~多谢关注。
) z, Y# r. K! W0 X8 f2 s7 @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。 ' \+ v, L7 ~# A+ r9 h2 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
" j/ v0 z9 ~& v$ v/ J多谢关注。
1 C, ]& H  v8 ^1 L% O& }  d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 ...

- D; K4 q) E$ J! ^4 s# 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？4 J3 g9 W4 b- E$ ?, R) l
; k3 I5 H0 o5 x) l* l9 z
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
) E* x9 \' b( `' l! X
沉宝 发表于 2022-10-3 01:16. q" c. ^7 g( c# {! Q: M" k' N
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？6 Y) k0 |; ~+ y" v

9 x6 I9 E% b/ s另外，你在 Octav ...
( j! r" R, J8 b# Q

* Q% u0 P  H% d: L4 o% }% z) Y应该没有那么大。( w: m% v; X: Q+ X# e
我算的：
2 S5 F3 I$ a$ o0 }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。
+ v; n0 v0 @: H7 v0 e- Z# H2 a, f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