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 z( O( q6 Z& i: _6 ~  P% I  `# U0 |  i& S% H& Z; M' x
做一个数字信号处理的小算法，需要算互相关。
7 q9 p5 h) U) B2 ^- 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。
1 R2 o1 b* d$ _/ u
5 Q0 I% a$ \& [+ }; I, v, H1 f2 WOctave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 。
6 R% W3 L, |" i! |& K; v5 Q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。
" @! b# n5 ?) E' U6 X5 `3 U2 ?
2 C' s+ @: I8 f% c! ?2 G# {1 BC++ 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。4 \# Y. M: t* g

$ d4 ]& z  b1 `' F高手们给分析分析,  多谢了。
- }; P! L0 e3 R
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 T1 ?- F% o5 a, 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。9 c) i" f/ h- z. j( n; z( [" w2 r* N8 L
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 z( o$ L8 ^/ m
雷声 发表于 2022-9-23 07:029 y% E/ [; z$ R; `/ N
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。 ...

2 u9 T' z6 j- f4 r* `. ]6 l
/ y3 P5 {2 I# I4 r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。- K: w% u) }3 k) a8 S/ b$ L9 C  t
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
5 Z4 n' \) \5 ^5 L8 L7 j6 e
% V4 N$ L7 t2 a/ m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
2 `1 z* o2 a1 I( a! R! S6 D1 w) }+ t1 l2 q& a! z, L
C++ code 用的是普通乘法？换成sse/avx向量乘法试试？
7 o( z2 X9 B4 x1 c% U并且是单线程的？加个openmp并行试试
- _2 ]8 h) B$ G& u/ t或者调用mkl 库的互相关函数试试9 N; J  O7 Q- g
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:180 A* P* \+ z3 V8 u* c1 D
汇编快！
( F! Q( `6 n9 G6 E3 w4 s: k
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.7 y: N9 L/ f, e: v% j1 s: X
# g* C- @9 s. |- ]5 @9 b
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
& F9 n0 p) P- n! _* 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++ ...
. }& f' z# K4 k& m) G
STL对性能优化没什么帮助，只是写起来比较安全而已。
# E2 _$ ^2 @) ^4 T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。
2 b9 Q" ^. \2 z2 @/ X9 k买个Ipp库虽然不贵，但是还是要几百刀的吧？1 n1 K- y' ]* Q9 `+ S# L  a
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
* a& Z* E* A/ H; |  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.
1 @: Z, S" _$ N# L. S2 j. X) r5 q& i( f7 S
最好还是用高性能的计算库, 比如inte ...

# E+ Q5 w7 H) x! n* l# K$ d( r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
% m* N0 B) W1 P0 |4 t1 c0 FSTL对性能优化没什么帮助，只是写起来比较安全而已。
" b& e: v; J* o1 ]7 M# A- R. G0 ^下面数值分析回答的是对的，要么用avx自己写，要么 ...

5 k) y; h/ W: Q4 n, K7 I; b) j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
4 y! D& [5 l0 M: D
沉宝 发表于 2022-9-23 20:53
! P- a1 k. y4 M- j, T5 S- s) O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） ...

% [+ N3 T2 X5 H
% x; I. A. }% l, T: S6 H必然是GPU啊，10来个核心对上千个计算单元。。。
4 w6 i+ y1 l: ~4 u) o' ^7 P$ G3 d! T& V4 M; J. b; 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！）! b% |$ o/ j; ]; i, T2 j

% w, k5 x* Y: M9 _6 d* r' x4 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 11:433 b1 I3 o; w3 v8 ^+ 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.
2 ^3 C) A8 a/ q  O" f: y% g5 T. h# F) W2 t  r- n1 H/ \
最好还是用高性能的计算库, 比如inte ...

' N& Q! h! a/ y区别还是很大的。编译器的优化还到不了那种程度。3 B* i4 i, Q& q" 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. E9 N" k* w4 p$ p: U, @) n! V. r; N4 z' J

$ \6 L4 E/ n; l$ l9 @- N9 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？& C, r; b  g; o+ T

, ^' a6 }  A+ {" S2 \想了解一下你问题的规模：6 M6 K1 g; L$ B* P
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。
; h+ E8 r  B* p7 X, ~2) 矢量和一个二维数组的长度大概是多少？
5 M7 C) d; m. j. @' ]! C3) 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
$ P4 J" }  P# B3 ]: `
沉宝 发表于 2022-10-2 01:38; {' m1 C  D8 m, A! Y
现在进展怎么样了？2 ~! G. e9 _7 V) i7 |: q$ N

& U5 _& z# `1 J想了解一下你问题的规模：

  m& N% Q8 ?! }3 I% Y1 j7 a% C- p: {; c
多谢关注。! T! u  r) Z* b% |; h( m/ Q0 u
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。
# K1 G" v! C( O) h  a1 k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
/ ~" T1 l; H& q/ y多谢关注。* ?9 O5 Z  R: o! R, L
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 ...

6 a9 s! b% Y4 t0 [3 Z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 P- }! }$ ?+ i6 {) M+ C# z* }2 {2 H8 N. D# w# ~
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
* Z% O0 D3 s  x! }
沉宝 发表于 2022-10-3 01:16& W7 F* y! ]; S6 }
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？
0 E6 F& e6 u& ]+ M7 W" B- u% s5 a$ K% _! \
另外，你在 Octav ...

6 W8 I. X2 Y( z; C6 A% w2 G! O
应该没有那么大。& u! T5 w& O' K* P
我算的：
; E1 f, S  C- ]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。
5 Y% n/ }* t8 x$ z' I$ [. X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