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 ! I# G! O6 D, x0 Q/ m* ^- ^
. u  U" ^; O% T- c% Q
做一个数字信号处理的小算法，需要算互相关。3 [" e$ U. N2 {2 i1 w
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。, |" T6 t. Y4 S
! }: V( T$ i; }" 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 。
2 n9 n9 R& R  A6 N: C+ n% p9 e& U" \9 f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。# r' n% A& H/ O

4 t7 ~) W) p8 b% O. L. wC++ 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。
4 v/ N4 C" n5 ^6 T4 n7 K5 X3 g- y+ d6 X% p& }: k7 L% u
高手们给分析分析,  多谢了。0 }* ^8 z9 p* f+ a0 J  p% X
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。
0 s: e" F1 a, E. n% S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。: w# o/ x+ |: T7 o- e
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
( ?+ c; n5 B5 T# v' p0 m
雷声 发表于 2022-9-23 07:02' @  l9 ~" {& g: L) f. [
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。 ...
+ A3 q, V' R, I! K6 ^: z

5 {+ f$ g7 @  n' z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。5 m1 L* _" R. s& |( e8 o, 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 # w. V8 J4 p, e$ @) L
) k" N* {$ H* B# i6 \7 R1 w5 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 " ^/ e1 M2 c+ P

4 T* G$ U4 a( k/ \1 w% ]C++ code 用的是普通乘法？换成sse/avx向量乘法试试？
7 h: T1 D. `( M: C6 f6 u8 p并且是单线程的？加个openmp并行试试
& `" b8 \" Z8 z或者调用mkl 库的互相关函数试试1 B- G: B" ~6 I, [5 M
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:18$ w  [, {8 t4 L$ n$ H
汇编快！

$ ^! A5 V+ @- P% D; S6 S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.
6 S/ ?' F4 s1 c5 K" V) ~; v, O/ W" Z9 m
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
3 R! L( Z7 U& E5 Q, }& o8 y  c0 \  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++ ...

& U( O+ n5 P. uSTL对性能优化没什么帮助，只是写起来比较安全而已。. [, I1 K  B2 L
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。' u) h) b6 o  D9 O5 i
买个Ipp库虽然不贵，但是还是要几百刀的吧？
+ j) P% C6 |5 N
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; z- t0 z# Z. A# X& y9 @
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.4 M" o6 w1 C- L, `' I+ r
3 I* `$ d8 L4 X* x& O5 ?- W( v) c5 k
最好还是用高性能的计算库, 比如inte ...
3 v; n2 C9 D" S0 J1 t/ j2 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 15:487 H3 B  w  |; M& x7 D
STL对性能优化没什么帮助，只是写起来比较安全而已。
2 D+ Y" V, t6 r* ?下面数值分析回答的是对的，要么用avx自己写，要么 ...

6 o/ V/ X6 p5 K$ U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   o- H$ a+ U# `
沉宝 发表于 2022-9-23 20:53
$ h* E' h! n- K$ K9 z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） ...
- d* Y) K8 a! ]) }5 @

. G8 F1 e  R; Q" q1 }7 G3 k必然是GPU啊，10来个核心对上千个计算单元。。。' f3 f' X; g! x- ]
6 V9 J0 ]+ a! }0 r- i8 k
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！）. V* k& K6 t. O( u

9 j2 N" U& N( i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
  N; K/ q+ [! n7 a7 T7 I+ 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.3 Q3 u4 E& ^' D  w: u, I1 |! `
( K- }" P; o/ f9 a2 |3 L, ]
最好还是用高性能的计算库, 比如inte ...
2 w* Q" e: Q3 q! U
区别还是很大的。编译器的优化还到不了那种程度。6 p) y# ?' o6 @& 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& T7 e" U5 d7 ^! V. ^

( y3 w. Q% J- n& ~. p# W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？! M1 b$ l1 r( m7 C
% {; w1 o& V, [" W; M
想了解一下你问题的规模：
/ N, u2 J% I9 G% S# d$ A1) 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。' T/ I7 d8 i$ G0 k4 E
2) 矢量和一个二维数组的长度大概是多少？; D3 f+ W0 @8 L1 f. n" p* |# L
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 * n0 S7 ], g+ ~: m
沉宝 发表于 2022-10-2 01:38  m  @9 x2 X  f6 ]3 B3 g
现在进展怎么样了？
, b: E' N; P2 P. x% k: r
$ R/ _2 `4 p# }6 S+ R想了解一下你问题的规模：

4 X" y* K6 v3 G  y# P: }* d! @4 l- S; v1 y. Y* S0 X9 S: [$ D
多谢关注。8 ~6 p0 @7 c! e3 b- C# 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。 - W" D* l% ]5 p. d
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' G1 W7 @. i% G& F+ j4 m' c
多谢关注。4 b' c+ c- T, u% n
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 ...
/ F* O; ?0 [1 p# \& a0 |0 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？
1 B5 k+ O+ S$ u  E% h& ^# |+ n+ z. b; F. [. X4 G: G5 m! t
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
  }4 W6 o- E/ ]- P$ d
沉宝 发表于 2022-10-3 01:16
# ^# a% L  y; s1 W" \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？
2 R/ G3 N4 i4 Z
  ]% _# j1 w3 a* S( X+ C另外，你在 Octav ...
+ Y. X) r! Z4 o3 b9 S

, ?- |9 V  N9 X% f; h8 b3 U应该没有那么大。
) n; H& L/ ^# X/ T+ T# n+ Z$ n, U# [我算的：
6 @/ G9 s9 H$ `: a7 ^) U3万*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。( h. i  K& l( I6 X+ |* p
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