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 % s2 U; }. U' j; C: e: b

% g& m8 `7 j2 s6 u+ A* W5 E做一个数字信号处理的小算法，需要算互相关。
" d' F2 w! T' _9 i7 P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。$ K, b7 \) w& H1 Q( W
7 H$ G7 Q, @" V! {" E6 n
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 。. s! O# n/ M# v
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) x+ i  S0 s: y, |
7 ^( n% W9 Q. u, [8 j+ ]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。0 S* L4 @% X/ S2 A2 ?
" F- C: P0 G: H  }6 M5 \- ^, d) l
高手们给分析分析,  多谢了。0 A- @+ t  T  j9 n* B
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。7 R6 Z3 S- @4 ?5 }% p5 E% k
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。' _: u, u# W/ ~9 t: 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
- q; B5 {( N2 k& m
雷声 发表于 2022-9-23 07:021 z0 N' i* p# [* q+ ~, R
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。 ...
0 ~! O7 k0 E# o! V' i2 q

/ `# ?  ]: X' D/ 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。; E9 a: j. C  y
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
& e# J5 h1 W( t  H$ a- y) C8 t9 w
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
) Z! T( Q& S! [) j9 E, f6 F7 s$ j) Y! b+ b2 B- w/ [
C++ code 用的是普通乘法？换成sse/avx向量乘法试试？
4 z4 R7 N1 t% I0 U" y并且是单线程的？加个openmp并行试试
3 [" D8 Q( v: ~2 C5 S/ A$ A或者调用mkl 库的互相关函数试试% b+ c$ \- \$ d3 k4 x; [- a$ {
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:18+ u; N  k: x5 i: V. x' Y! E/ a
汇编快！
7 a; @, n, M, Y) X% d" K% h& 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.9 _& e1 j5 ?6 [& D) A' m4 Q7 {8 x
, \% A  t3 k" v: q" G4 d$ C+ U
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/ Y5 K: ]$ \( {1 p
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++ ...

" D( k/ S: X2 e  P7 g1 U% QSTL对性能优化没什么帮助，只是写起来比较安全而已。5 n- l7 h* d2 r* P3 B7 F
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。
* V, L9 {* e, r2 S, f7 i6 Q买个Ipp库虽然不贵，但是还是要几百刀的吧？
) l( r' m$ [: y7 Y' ~
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- O, Z& G% E6 Y$ h8 }2 r6 W
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.
  D( |7 O+ S, l- ]; R8 U  L# S+ _( J/ M! O' @2 w: d+ d0 S
最好还是用高性能的计算库, 比如inte ...

; X/ b4 N' R& b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 d" e- m: _4 z1 [" f( h5 d1 x/ |$ gSTL对性能优化没什么帮助，只是写起来比较安全而已。
6 ]1 G: }/ O2 W下面数值分析回答的是对的，要么用avx自己写，要么 ...

/ Q) x; _& z& _! s3 ^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
* H) @2 }" Q: `6 k) r
沉宝 发表于 2022-9-23 20:533 l* H! G& f2 V6 C7 O$ f# w
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） ...
( j/ \0 u( ^, V# W
, O- W. L& i. n* `" ]
必然是GPU啊，10来个核心对上千个计算单元。。。
. o) m- i' h* Y+ o1 P1 ~0 F5 V
/ C* E( S( K1 w# _  U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！）
$ z3 J, r2 n( r$ c0 q2 f
4 I. f: h) t; b3 w2 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: v& M+ L7 j- e4 n% V, r4 A
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.  p% ^" m9 f% i8 @" _6 w
" I% n( q  y. h' k6 e7 M
最好还是用高性能的计算库, 比如inte ...
' F- _$ q" ~3 ~" V: r" F
区别还是很大的。编译器的优化还到不了那种程度。
: a3 s# y3 Z) B8 B' [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5 Q6 W# j) G* e) e* L% m' o

' \" U9 y8 ^! 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？
+ F# e' t6 B1 S5 _, U7 M
# Z8 `, e$ Q, n. B想了解一下你问题的规模：; ~9 x) [% s1 }  H6 L5 T' k" X
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。! ?1 C# N+ z, L% m% c7 L& g; ~
2) 矢量和一个二维数组的长度大概是多少？$ t) G" F/ r* `# E1 p- h
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 6 ]- M4 d/ C3 R, X) |; P1 ~
沉宝 发表于 2022-10-2 01:38
& ^. j" E1 M& r" m现在进展怎么样了？1 r$ }+ G! [; M7 x1 h5 c4 t
& y. ?4 q, T* e! ?& H0 F* a1 G
想了解一下你问题的规模：
) e+ E6 F! t" f6 q

( B, R2 m' m* m4 C多谢关注。
. F( ?) D8 G4 W" `6 E3 }3 E: 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。
7 ?4 ^) [# Z, ^% r  J" l$ |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/ L+ }, w; k. `9 Z
多谢关注。
. B- Q" Y" x. b/ A) A: H$ w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 ...

2 `2 w: m; @# 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？
5 t- f) L/ Z% @* w  i8 X$ r/ \% h& L; c$ O0 a  b
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
7 l7 f4 r/ I( h5 r
沉宝 发表于 2022-10-3 01:16
2 A( u! T  O3 i3 Q% 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？- r5 Z% A# k) g5 @+ M% B4 q6 C8 h

$ U2 E3 f) F5 U7 ]另外，你在 Octav ...

$ ^# f5 |; ^- L% q1 b( _9 O$ O/ l* T
应该没有那么大。
5 ?: N) m+ \( C我算的：
% {: p% Y) U4 r. r3万*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。8 x3 D) ^9 k6 B- [" c
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