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 ) n% ^$ h: z! l1 n) B( Y  g

4 o, q: W6 E7 D1 F) G做一个数字信号处理的小算法，需要算互相关。. k/ ]( ^7 g# a0 z: `
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 ^2 Q7 L0 E$ ^( z& S  q, R
1 p( B% c1 p' |, w( c3 rOctave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 。
9 ]5 ~  u5 v4 C" P* \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% y5 i9 D, r6 L/ v) Z+ P, O5 y. D6 S! l$ R7 _. I9 g
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。" d* Z) ^7 f9 x  F0 b& x
% d4 o- r  }* @% v/ Y
高手们给分析分析,  多谢了。
: e3 Z% J5 ^5 w6 U
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。5 k" ?. u; J- r/ r* e0 v; n8 {
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。
, {4 ^( G0 S5 ]; V5 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 / u  k* H( c0 a* U  C
雷声 发表于 2022-9-23 07:02
9 E/ U3 ?0 M) U7 k2 A# g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。 ...
  ]$ k; x7 r) V+ x( ?$ T) J
) u$ S0 Y# @; @1 t, Q8 W6 u+ W
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。9 s0 a8 B8 }3 ?! Z7 x4 O3 S
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 6 R& ~  k- ^* A. }

+ i5 v8 Y0 _! G. c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 ^! x; h* f6 g7 w* A  f% F
C++ code 用的是普通乘法？换成sse/avx向量乘法试试？
$ [8 \9 \9 \& d. }: [' I并且是单线程的？加个openmp并行试试& j/ N4 s+ q( G. z: L# d' `; O
或者调用mkl 库的互相关函数试试
# U4 }& C: n1 M
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:18  D3 s4 L0 q, ]. }
汇编快！

& ~' f6 {/ {# {" h  |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.& s, L8 E7 B5 x$ c: Y
5 d. D9 [/ }# p2 K* \% Z% l+ B1 W% Y
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
8 F  }6 @- y) m" b" F) F  u4 o& _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++ ...

) p: }) e- d. \1 `' I) VSTL对性能优化没什么帮助，只是写起来比较安全而已。$ `1 v6 e: ^. |$ {
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 C5 U% N( a6 @% J% A* y
买个Ipp库虽然不贵，但是还是要几百刀的吧？
. N5 ]1 g9 K% X/ |5 {) f
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$ e- c: n8 Y3 H" Z$ O0 n
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.8 c) Z6 s6 Q2 `3 R6 p0 @

9 A) c% c3 c: k1 e8 V; b最好还是用高性能的计算库, 比如inte ...

" b) w0 G1 m! @# H/ I  d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
; q8 B2 j- m0 \/ w- ~. f6 sSTL对性能优化没什么帮助，只是写起来比较安全而已。' `4 S( t# s' ^
下面数值分析回答的是对的，要么用avx自己写，要么 ...

9 }- b7 S( ~; y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
# ?! w* _% }! P( R
沉宝 发表于 2022-9-23 20:534 C6 n$ A1 U7 J/ `! d0 E- }. D7 g
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 \5 U6 ?, _. D  g
& f$ R, m6 f. Z& s
必然是GPU啊，10来个核心对上千个计算单元。。。
) m1 t2 H' j; V6 j3 N0 r" |7 t! B4 o& k9 \; t$ D% D0 D3 u" R: @/ ?0 }* 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！）2 q; T# U' \4 i9 V
# y" z+ ^% u! F) o
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: G+ ?! @7 @! ]+ e9 i# h2 f4 Y
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.
. U4 E, y% B' G" l. K0 ?3 M  q1 g7 i1 a+ Q$ f4 o- v/ S) u
最好还是用高性能的计算库, 比如inte ...
" T4 h' B$ w$ p; H
区别还是很大的。编译器的优化还到不了那种程度。8 ^. I7 _/ C& \- F
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
" J+ m3 I+ T- g* _( p
- L/ i5 N! w8 f- g" l4 N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？* G( p6 B6 v6 ?1 Y* |* h
5 N5 H/ P% n! O% b  o! t
想了解一下你问题的规模：
/ |8 V$ d' I: u5 H( S9 [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。
; c* T0 h; Q6 T6 f0 h; j" |+ e2) 矢量和一个二维数组的长度大概是多少？
* j& i1 z5 {5 A# I# \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 " }: R- i' p1 I2 @! N
沉宝 发表于 2022-10-2 01:38+ N) d  U. c. c" y4 S2 q4 W
现在进展怎么样了？) U: [4 z+ f- n: x. X' O
3 r3 s$ H8 y: ?
想了解一下你问题的规模：
1 m( W$ ^* w+ g1 M) o' K% s
( o1 ~; C" k& c8 d% ^6 z7 z& b
多谢关注。
3 C2 U' y1 T& {$ t3 ^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。 " j; j# v8 F7 g  R9 ]
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 03:040 q$ z; s0 F) S' Q# h
多谢关注。. g5 {0 M, z7 P
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 ...
7 C2 g5 G. x. D3 P
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？
: |- Q8 M" o. C' Q# C6 A& L. J
" n  G; w7 j7 m9 Q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 3 x& B7 w3 _7 N: t  H  ^
沉宝 发表于 2022-10-3 01:16  z0 G% S% ?3 d
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？
  ?! j: F8 c- }  {1 P" |: w) r$ S
, r. _7 x( n2 T2 P8 A. f另外，你在 Octav ...
6 [/ x0 P% p  K, S# q

; U4 k6 ^2 C0 P应该没有那么大。( S4 W: b2 x8 r0 l9 ?/ H" Y0 T4 V
我算的：3 z) P; a0 }% m" Q0 ]- R3 q
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。
! Z+ D: L- l% T) l+ `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://129.226.69.186/bbs/) Powered by Discuz! X3.2