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
5 I$ Z& |- v2 ^9 h9 R# Y# W
9 p) G% U8 x$ m+ T9 }8 o做一个数字信号处理的小算法，需要算互相关。9 q( z$ X2 l7 _: P  f& d. U
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。: ^) d) Z2 H$ U4 G# K; a7 W
* X% j: {# |! t$ {7 U% p% r
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 。
7 F4 K+ i3 }" f2 y/ {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 e' _- d! Y* t+ [! A+ b9 r
, Y& N" k' y' q, d6 HC++ 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。
$ h2 ~1 Q. b( k7 K0 @7 o) A
1 h, p9 I  B3 M8 e. W6 o高手们给分析分析,  多谢了。
- g4 e: f$ o! b. F+ g/ O$ q
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。
  s; f+ z% ~# N8 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。
. G6 n" R% S( i% I$ J; R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 4 i2 H3 g2 w2 W: I7 P
雷声 发表于 2022-9-23 07:02
& m  s# V- \* R5 D) r  R0 u- j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。 ...
. f& }5 ^$ {- ]

- @/ l* t! e+ |) q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 p- t2 p3 }' y: s$ C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 2 t  Q+ C1 E" v' x: b0 K# V

5 M3 K( m, A# F$ h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
% ~+ [& ?$ s3 w+ m* r5 @+ j! R9 ]# {* `7 I& f$ {( }( ^1 s
C++ code 用的是普通乘法？换成sse/avx向量乘法试试？
4 S5 }  ^+ W$ C, U, b0 F4 |  F并且是单线程的？加个openmp并行试试5 C$ }4 X3 H4 O1 m
或者调用mkl 库的互相关函数试试
- M3 x+ Q9 G. ~2 _. m, V- g. l1 S- _
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:18
/ Z9 r2 V4 n' B- T1 K汇编快！

; O: s: m) @$ M' D9 J, r$ D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.1 F7 m; B; Z7 I/ K+ v, k
% B' b! O, S5 ]
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 08:134 ?! ~8 |0 p3 g2 z# v
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++ ...
6 O! F( p# ?4 B5 x1 b
STL对性能优化没什么帮助，只是写起来比较安全而已。3 B2 ~: `/ `5 M# v& c  e1 j
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。
$ K/ C* C. V7 W( ]$ m$ f9 S买个Ipp库虽然不贵，但是还是要几百刀的吧？
& R/ `/ _6 u; x
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# g+ F1 k3 r/ q1 h9 o( P) Q
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.
  R% y5 k; _7 q9 M9 n1 h! E, _% q* @, i
最好还是用高性能的计算库, 比如inte ...

2 u; C3 {8 ~% x/ g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* ~2 e% N7 d  g: t" @( Z
STL对性能优化没什么帮助，只是写起来比较安全而已。0 E8 L, S3 s% \% O
下面数值分析回答的是对的，要么用avx自己写，要么 ...

! ~' _' o3 q! ?  E, c. b) a7 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）
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
( X+ p$ J$ w- y9 i& D# D
沉宝 发表于 2022-9-23 20:537 P. ~' p/ E6 x& a" S$ N- x! |# }
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* v/ @3 C) i$ W  w- L8 Z4 V5 o1 {% X5 p/ K  O6 r
必然是GPU啊，10来个核心对上千个计算单元。。。
: K/ d$ B9 C# |8 l% R  S/ Q. T! L5 a4 I. a9 h7 B) E5 h& g! }0 Q% \
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！）1 J9 q3 g9 l$ G% G& @5 R9 T3 g

' u  w; {+ W' V  V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
' ?) H$ ~* h+ O2 G/ u/ ~' j% }( C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." a0 C9 c! K: d; ^) s1 r. X

$ [% f. x& Y3 i最好还是用高性能的计算库, 比如inte ...
" \& w# J1 [8 Y. u
区别还是很大的。编译器的优化还到不了那种程度。
" {+ a' `) x# j/ k4 x+ \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2 `+ j' m+ U; A( ~- p4 K2 h

1 e* O) Q! [- Y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？
# b6 t. r2 r7 G. i+ c7 n0 z
( a; k; |) ]/ _. l- g! R( a; U想了解一下你问题的规模：' k& z9 I7 Z7 ?+ B
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。
& S- [) x1 E& X* `" K- M2) 矢量和一个二维数组的长度大概是多少？! C, L# ]7 {: f) x5 }
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
8 A  U( D( D2 s; P* e2 T8 ^8 |
沉宝 发表于 2022-10-2 01:38
9 ?. }3 m- A# m& s' h/ ~6 W- v现在进展怎么样了？9 S  g$ r, y1 r8 G8 ]
; x& |2 r1 A8 g0 f1 n( {/ C+ p
想了解一下你问题的规模：

7 F6 a; q( J( p; a! L$ Y" b9 _, n6 q- ?8 d$ e/ i0 S0 C
多谢关注。
% w- V) ?$ S- g1 @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。
2 F: L, e0 }2 ^7 P1 X" D% f0 w3 j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& J; b; D4 B5 h+ Q3 e  f6 P' _
多谢关注。4 |0 p2 |. j9 D% I- Q4 }8 m: v( n/ d% H
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 ...
4 J9 F. N6 @4 E9 U4 J
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？
. ?' g9 E) [3 B5 t. ^) s8 W, y- E; S& f. H8 Y! K, }, n
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- S6 q- D8 y* N  F) ^/ Q: F
沉宝 发表于 2022-10-3 01:16" e& O5 {  a# 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？9 f/ C  n0 o" s/ U& G2 m! ~0 @
# F( I& k4 A, a
另外，你在 Octav ...
, O; H' p( n% ]8 i* I& p4 ^- h
# U6 G! r  C# G0 o3 Z$ C  f
应该没有那么大。8 x5 y. v% N3 `* w" _
我算的：
4 {) u/ M% }8 ~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。
% z8 S& \' G; ~9 F7 o( Q# N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