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 ) ~4 q7 s! O1 m# D( b  J* q
% |" N+ s4 Q2 U' T  P8 K
做一个数字信号处理的小算法，需要算互相关。$ r1 j4 N& H" V4 X$ d2 s1 \
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。! f# z2 H1 ~- A* w4 |

( A. T1 P0 ?9 O) ~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 。9 p% T/ Z- c! q, ?; I
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。$ k$ X9 Y" J& F3 C& I

' Q2 E7 s; t$ p/ [3 Y# DC++ 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 P0 @$ _- |9 K3 J
" O  A: B( ~) Q7 g/ {- G高手们给分析分析,  多谢了。
; y+ h* t6 k' p  h& ^% S
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。
; d0 R, ]6 Z2 o" P- P9 \/ t8 H  V! ~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。
  g" Z) D, `/ `6 ?5 n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 k2 f/ ^# |) _; F% h  G0 X/ [2 o
雷声 发表于 2022-9-23 07:02
: T" O9 `$ P( i: ]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。 ...
6 S( }: j, z8 R
/ z, F: z" \5 J5 _1 q4 Y2 ?  s
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。
# Z% M$ _) O) o' N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 1 m: Q1 `0 U+ G% q8 K  B
/ b* ?, ^/ p2 f6 _9 |* m! a
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 9 b' {8 Q* X: p4 ^
% r3 E  j* Q9 Z3 _% ~6 x, n( r) S
C++ code 用的是普通乘法？换成sse/avx向量乘法试试？; c) H3 o9 L  v* u6 c* U
并且是单线程的？加个openmp并行试试8 i0 h. ?9 T% Y3 }( }+ w
或者调用mkl 库的互相关函数试试& @4 x4 b4 g3 b/ s7 ^
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:18
9 D; k  e0 N' O汇编快！

5 _; I& k# j( l4 ~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.! f! M; b" O9 y* u& O2 q

% R' n9 a3 e& Y$ i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
& ?2 x6 m0 E( o$ r4 a# @) 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++ ...
/ Y$ @0 T4 }+ j/ ?7 v7 b2 I8 _( f  Q
STL对性能优化没什么帮助，只是写起来比较安全而已。
; s# f3 N* a2 e" w6 U% W9 F/ F8 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。
" P" _) b0 Z0 t; _/ Y买个Ipp库虽然不贵，但是还是要几百刀的吧？3 j' P6 z7 l- L& p) X; V
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" U( _" ?& o+ W: j
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.+ w, r: {$ p8 J! b
1 y& ~1 g# h5 c7 j" t4 d+ i/ r
最好还是用高性能的计算库, 比如inte ...
' V1 x' N+ P+ Q$ ^
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, U/ [5 h8 A$ @1 \" z
STL对性能优化没什么帮助，只是写起来比较安全而已。7 x8 w$ l1 B% V7 Z! s, C
下面数值分析回答的是对的，要么用avx自己写，要么 ...

5 D5 v* B7 c( i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 $ }* k, G* X" G) C) E2 ?
沉宝 发表于 2022-9-23 20:53: Z8 t! o/ p/ O3 K$ j; y2 U9 C- 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） ...
" z$ H0 c1 I% q9 w

' B" c  j: l1 m( G必然是GPU啊，10来个核心对上千个计算单元。。。' z3 c, f% J' k( q# c; s

5 o* ~  Z& ~" ~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！）
8 J  N6 ~" l$ k$ E' E8 d1 z9 i' G! e: n0 [% I2 m
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
. l5 e$ n" A" U- {3 D( r3 |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.& O" _' D% ~& A! Y1 D

" U) k5 M0 {6 b) \/ ]( E最好还是用高性能的计算库, 比如inte ...

+ [8 t9 i2 h* }- y区别还是很大的。编译器的优化还到不了那种程度。! y0 D6 p3 _- a
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' X8 {$ |( z" B0 f; z% z- C9 x

/ p- v* N# [6 F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？$ |8 E) c8 h/ v( @2 E$ r0 o

7 {- o* t+ }+ C* }2 q; m) N3 v想了解一下你问题的规模：
% s- j4 M$ z2 x8 I/ f: g1) 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。
7 g: y8 s5 R, I5 u2 i. b5 ?* D) i+ k2) 矢量和一个二维数组的长度大概是多少？
, l+ g* R9 Q. O/ Q! m3) 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 % L+ ?- O8 k1 p; L8 j0 ?0 H
沉宝 发表于 2022-10-2 01:38# z; ^6 R9 {  t
现在进展怎么样了？+ }9 i2 J  q( M

3 L: p9 p+ @5 V- p: N想了解一下你问题的规模：

) u, h* M1 _; }% ^/ a. F& X. f1 l9 e& H$ |! W8 Q. r
多谢关注。- M" k; y6 k6 ^8 q$ w" }* I, T
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。
; }8 D" p$ G$ N) ?& z% Z% C" w: f$ Z' x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
4 T3 F- j7 T' w: S多谢关注。
' R2 u! G- I9 i  J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 ...

' c! i' a1 Z8 @# m! |- 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？4 O# S# Y6 n) i3 }9 k  K$ M: U
! i  T6 s) @* e7 W+ `6 R
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
! S- U8 _2 U6 m# A) s, o2 {
沉宝 发表于 2022-10-3 01:163 Y+ e* h0 o* n* ^" t( ?5 t: s
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？
, k9 v, a: \. u! N4 n! h5 f
& p$ X6 J) E8 o3 M3 o" L9 K- y6 q, N另外，你在 Octav ...
2 q  Z, j' t' l8 q
0 x' f; v; s, ^! {. t  p
应该没有那么大。
% F( V. h' s8 ]7 B8 A1 v: F我算的：
0 f! W, }0 w0 Q- w. l3万*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。; s* [) K' ]' w+ n# ?) [' ^3 }1 g
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