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
' ?* ^9 o, c: l. {3 F) l% b5 Z' ^) w1 K$ t: Z6 D* Q1 z, t
做一个数字信号处理的小算法，需要算互相关。$ Z: T! l# v' n; |# P% P: _* B
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。
; x7 D$ {: T. \$ T' n+ C" [9 H: }$ C' B
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 。
+ z7 b, z+ {2 \3 V$ r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。
0 h5 B# m5 M/ ^# z. E) P6 E, l, t9 i2 N
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。
, }; K: t  L: K8 @; l8 L7 y$ O" y. D+ U4 z* p
高手们给分析分析,  多谢了。
" r& m, H' ~. y3 \- w" k* 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。: U5 C- `! o! i
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。: j! {  }) y( P- E8 T9 [( u* u
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 9 ?! R* C5 N9 g# \8 Z
雷声 发表于 2022-9-23 07:02- l6 j; l$ H5 \, J7 \; u
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' u7 J0 J. Z5 V, n! V9 h
+ y2 w, i  O8 E  b( \1 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。' d2 X! b6 c0 S+ C( F& e
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
# M# d' r$ }4 |/ o* ~3 D( Y3 _: c. e# a: B3 ]2 r9 {
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 " O  e/ o: Z9 C; D/ p2 }
2 e" p' J( j* o2 @
C++ code 用的是普通乘法？换成sse/avx向量乘法试试？
) x% q; s/ Z& M& [  K. j2 `并且是单线程的？加个openmp并行试试6 j2 i% Q9 n! o+ \( B
或者调用mkl 库的互相关函数试试
) o0 l2 P1 u. k, B
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:18
1 z5 @- X. A2 i/ m) q% m汇编快！
7 r& B! B! R9 f/ Y  i
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./ T3 M7 b& W* n" K. l$ E/ E

2 C* Z$ S2 o$ ]3 t* F9 f* 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
$ O0 f, {5 V7 Z- x3 J) |9 D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++ ...

4 [4 ^9 g8 C1 }5 t, b: Q0 ]STL对性能优化没什么帮助，只是写起来比较安全而已。# C" h5 W6 Q8 B( g9 i
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。) [) I! Q' h' w
买个Ipp库虽然不贵，但是还是要几百刀的吧？
4 Y. i+ H; }/ 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 22:43
/ |' \8 X+ I' }+ B2 G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( k+ J& c1 Z2 h' }, M. y0 [- C7 n8 `- W$ C
最好还是用高性能的计算库, 比如inte ...

9 D- t; u  J5 S0 Q8 F( _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
8 w/ P. a" q: O0 R# w9 kSTL对性能优化没什么帮助，只是写起来比较安全而已。
3 }$ y: w' h9 g- `) ?, k/ W1 q: n4 v下面数值分析回答的是对的，要么用avx自己写，要么 ...
. N( z7 U% ?$ a5 B
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 Q3 O! O8 X5 r& Y4 }( D
沉宝 发表于 2022-9-23 20:53
+ D; o, W& H% B  w1 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） ...
0 f% O" }( N9 Y4 c' o+ k( P
7 L- d5 [- O! S6 z
必然是GPU啊，10来个核心对上千个计算单元。。。- e! e. j5 J- m- o

( u( w/ K; s* d* T0 i0 R2 m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！）! Z! p7 f! E; ^- W2 V1 ~+ l* l: q

9 H9 b/ `4 ]4 v8 v7 \: ^  G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 11:434 R9 }0 y) V8 {' y- G- }" {
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.- n& @. x" E9 }" ]/ K6 g
3 M4 \8 W1 f2 _# F% n5 p- ?
最好还是用高性能的计算库, 比如inte ...
: _4 L% Q  F- ]5 H
区别还是很大的。编译器的优化还到不了那种程度。- |" ]+ `$ m% v1 E9 K. u
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( ?" o5 J- y% @  U! Y  s% `
5 U' Y! e/ M9 _- l: 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？! Q" ]: p0 E4 ^- M  d( }
2 c7 x+ E! o4 b) M# ~1 r, g: D
想了解一下你问题的规模：" g5 s9 l! E5 T: u
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。' L0 o, l. g, Q. b7 d# Y
2) 矢量和一个二维数组的长度大概是多少？! `9 v- w. |" L3 z4 m  O
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 ' e; C% ~+ N$ Q- |9 ]8 W/ Y
沉宝 发表于 2022-10-2 01:38/ v3 c8 a  R3 Q; Z. m9 ]# S  n
现在进展怎么样了？8 B2 u3 r  t. B  n

: y8 U1 B- Z3 r: J0 |! B想了解一下你问题的规模：

5 ]  B9 }* B3 H0 C- L" k$ y
* f, d# l5 b' w& g4 \) {% O/ v多谢关注。8 h" W; O6 u$ z) U# L* e
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。 5 w" _8 M  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 03:045 j: F4 j7 @6 m& k; H
多谢关注。
1 ^' O% h% k) v" o& n$ S0 m5 _" F2 {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 ...

) N6 H( r9 d. G. G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？, u8 y* f' }/ L. i
1 [! N" s6 V+ Q, d5 \$ [
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
/ \" b5 b! c& }+ K: ?
沉宝 发表于 2022-10-3 01:161 P, i5 [+ e! n: L  e
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？; f: Z, n# h& q: O0 m

: c" a4 T$ b+ S/ C1 t* b/ {. l' ]另外，你在 Octav ...

- w7 O* G7 ~/ j& c( @( ]( Z
& c) U( i9 o* ?* W" K& _" C9 _应该没有那么大。. H+ K, c' j1 x/ `; Y
我算的：3 G+ R  r9 r5 G% e8 a% v6 O
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。7 {; i# J4 |% M. 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