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
8 w& d. T1 z' o7 N8 ]9 Y7 {# N
做一个数字信号处理的小算法，需要算互相关。/ j3 b" Q! a: t/ v0 U0 D2 Y
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。7 p4 i- ]; G' @2 o. a

0 u; l) }& D" D6 K6 vOctave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 。
+ \* v+ J6 n8 Q0 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。
) C2 a1 G9 X- k% Y( X
  y- f8 \0 r# ~5 N1 zC++ 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。6 ^3 _8 ?9 x1 n3 D- J* L% e
( b2 U7 C$ q/ s: [" c7 z9 Z
高手们给分析分析,  多谢了。
  J3 d9 }( g( K- E, 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。* w& E% z3 j$ B; Q1 _0 V4 z
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。
0 I  y' F' g; p8 D9 _. U4 z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 , j  m9 R8 X4 j" M& [6 `' @  z
雷声 发表于 2022-9-23 07:023 M& G! w5 W6 S# @
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 y9 U3 r. q6 c6 k0 V) p6 v+ X
6 C9 G8 Q6 v3 G9 F3 U+ 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++重写了。% e- ~7 ^" D5 l# m7 J/ {
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
4 P  h# A( Z- A5 t! s
  G1 H, M  o0 }# o8 r5 S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 7 b& z, m% `: i' u; J  Q& t  s. l7 m
3 a! g( F1 G5 a' t; p
C++ code 用的是普通乘法？换成sse/avx向量乘法试试？
% g' I+ D* O& @" s0 X并且是单线程的？加个openmp并行试试6 Q) Z8 o' C; m! [- G3 Z. ]: t
或者调用mkl 库的互相关函数试试. U  w1 M1 ]. k3 l! S
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:18
% f9 l3 z* g* w% E  m汇编快！
' {2 {7 V; I+ G; q' H) f4 x, F3 L
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.
& Q0 i+ p& }! f8 B
6 T$ W8 X' D* U7 e7 `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
5 z: r$ V7 F9 m0 b2 m  t! f: G- d4 d: q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++ ...
3 \+ s# ^; d* i+ _% ^. F, ^
STL对性能优化没什么帮助，只是写起来比较安全而已。' g7 M7 A4 @2 U5 T) E* q
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。7 m) _; Q* R0 X, z6 O% g
买个Ipp库虽然不贵，但是还是要几百刀的吧？
( o( D( \& t% L
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 22:431 @3 `8 S# c: 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.
1 W. s( V7 y4 t: |- f4 y* R* l% s( t) l3 d. e0 E7 s% |( k% n  Z6 y
最好还是用高性能的计算库, 比如inte ...
6 L: I* {7 Y( {- Z( 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
0 O) u, J2 m- ^; s6 oSTL对性能优化没什么帮助，只是写起来比较安全而已。
9 O, L9 B+ s' W4 Z9 a下面数值分析回答的是对的，要么用avx自己写，要么 ...
0 Q# S: M5 }6 l# V
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
7 V9 z' V+ e" n0 O
沉宝 发表于 2022-9-23 20:53
  Y3 n- \$ e% I4 E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） ...
: K/ }% f" }3 v2 q: P' A2 [# G, p

( V0 R) n+ H2 B4 B! _( o必然是GPU啊，10来个核心对上千个计算单元。。。3 ?9 x* a7 M5 v& I  e( @
/ W! {; T, r% r4 J3 \
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！）! p+ B( _5 I5 F, ]' K* T
; N, N2 s+ A! t- P' Q
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; U6 z, r1 n3 o' 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.
$ r) f) Q$ W; M. b  B6 {$ j0 s, K, i# e- s) ?( H/ N' ]) Q, _
最好还是用高性能的计算库, 比如inte ...
5 L% K$ S$ {$ P6 H3 h
区别还是很大的。编译器的优化还到不了那种程度。7 |" H: Y% z# P: H5 M: q3 {' v6 o
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
# m, @2 }9 i1 i. E  S) j. @- x
% X1 ~+ |' ^! l/ ~: F* t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？
& R4 n/ m+ m& Y& }3 j: K1 `
5 g6 q; L' c5 @. y- q0 x想了解一下你问题的规模：* d7 q( a6 k- c5 o: }
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。' b% K% g# m. p/ u3 @
2) 矢量和一个二维数组的长度大概是多少？
0 G2 k8 j9 @5 V* _& K  t3) 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
" W7 p; ]) q: V6 F. Z' a, c& m" y* _6 [- Z
沉宝 发表于 2022-10-2 01:38
6 D* p1 y2 ~7 E& S; t+ |' l现在进展怎么样了？) f6 L" J4 G5 t. [+ b! j: \# K0 u

0 e( g$ G% G1 o1 W! d想了解一下你问题的规模：

7 e9 B# L* K9 S( A. R9 l" H, P& t. V- g7 w" G+ r; B
多谢关注。
( e2 B/ o, M  [2 L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。
* C! B% i3 l: n: V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
7 u# d1 d7 J/ M; z多谢关注。1 i' S& C' i' G' A4 X' O
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 ...
5 Q- X4 y0 i- U$ G( @: U( f1 Q
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？
0 Y, s" R) b. s% z. o2 V) B$ z& p& U0 b2 V4 C% H. 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 + h/ [/ [1 Q  o4 z6 D+ l  I
沉宝 发表于 2022-10-3 01:16+ E9 y" R# r* I" X, R2 Y8 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？
  X- z- N+ ^8 e" Q8 l8 y% ~# W" r/ o0 k" o& X5 L7 L
另外，你在 Octav ...
# }; \, U) p8 @. A
% N6 H. b" w1 D- x  u
应该没有那么大。7 r) f& i- W* }( y
我算的：* q2 I+ v! x5 t* L, B1 q+ K! \
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。" w' s9 q( G- o5 Z
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