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 3 S- |% @+ y! s& a- D* ~

/ j0 u* f& w9 K8 y- j" Z- d7 H做一个数字信号处理的小算法，需要算互相关。$ F* q$ f8 |9 U6 M
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。
8 ~5 D# |. N4 o: M! i3 Z9 \" f6 l/ [$ D4 c5 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 。6 T% C  U. L- o+ _3 D
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。
' A  t; B3 o* j% C
2 ]3 x0 E/ Q+ l7 i0 N9 b7 mC++ 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。
8 y# H. J; B6 o! G9 l
6 }( b4 f  d/ `3 e3 B7 r/ x高手们给分析分析,  多谢了。
  M# E& Z1 F1 ?1 N2 P4 M8 R5 Q8 D3 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。3 U  E' X6 z4 g/ l/ n% y' J, M) ^
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。
1 F5 O2 v( v" ]  j9 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
6 b! p$ ^0 Q/ x0 n' `+ k0 O; o
雷声 发表于 2022-9-23 07:02
- v! g+ E' D9 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。 ...

$ |/ ?& A; d( I, [7 Z' W; n' {4 j& |5 I9 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。
- h) {, f6 {# M& j3 ]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
) t4 R& L6 m6 Q
4 F8 @$ ^0 C: a' @* w* o) b8 |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
( x2 u+ Q4 f7 o- i+ H! Z5 J; _4 _" V0 S4 A, i! L; D' i' e; }
C++ code 用的是普通乘法？换成sse/avx向量乘法试试？. ~2 M; @! g$ q1 R) U) h- `
并且是单线程的？加个openmp并行试试
% T9 G+ Y7 Z* w$ e7 p/ M或者调用mkl 库的互相关函数试试
7 d" b9 q3 z- ^7 C
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:18
3 M  n) C( w# y8 ?( F+ ?6 S) o" z汇编快！
3 _/ i5 ]5 s9 H0 a/ n" @: k7 }0 U( o1 U
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.# T  J7 `! r$ u0 j+ f

/ z% f0 ~; V. G; A) e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 08:136 f1 c9 H5 ?: J% C
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++ ...

. h! C0 x" B: m  e: i) c: v0 jSTL对性能优化没什么帮助，只是写起来比较安全而已。2 n$ @) U) j! @: `* s* s- U: D& `
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。
, b, _5 D; A2 h. G买个Ipp库虽然不贵，但是还是要几百刀的吧？
, N4 {5 M6 X! c( w. L' c
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
, N$ L2 \, C/ c% L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.
6 Z  a* Q9 S% [- O- d$ `0 f* k! U4 A6 i# Q: g; p& S
最好还是用高性能的计算库, 比如inte ...
) ^3 O- Y2 w, \- A: j
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; k. V/ m$ k" \" _3 v7 r( f% h
STL对性能优化没什么帮助，只是写起来比较安全而已。
6 f# Q. x& ~5 d下面数值分析回答的是对的，要么用avx自己写，要么 ...

: \/ _8 d& w, L& i, {. a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
5 H% D9 X; z# g1 b+ _/ W" E
沉宝 发表于 2022-9-23 20:53
6 l9 q% _8 t3 V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 V# s+ k# O( c% O4 G" [: g* j0 X7 I5 ?
必然是GPU啊，10来个核心对上千个计算单元。。。( m) P3 n7 b+ o/ D8 }& X
1 |1 B* ^4 V8 i
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 S& a6 ~$ V% Y! _9 }: G- C+ r
9 A6 S! P: D6 V1 e' k- x& _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
" T' J8 K4 Z' y7 N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.0 q( U8 d# o5 \: u* s0 A
: d( v* b- B/ d0 v
最好还是用高性能的计算库, 比如inte ...

" Y" u- g, u- f区别还是很大的。编译器的优化还到不了那种程度。
9 u' U& `% e, I9 b* F* c1 _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
: i  K. e6 A7 g2 S
" ^7 L* z& C4 }9 |( Z/ K9 N$ c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？  H0 N3 f  G6 h0 a
% `0 |2 ~0 ~5 B9 @! Z* B
想了解一下你问题的规模：" q1 g* o0 l0 j  y7 h5 P, \4 w3 [' E
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。/ [( e; @; q7 D8 _$ }
2) 矢量和一个二维数组的长度大概是多少？2 ?# L/ _# A8 Z7 x8 G; w- J' T0 y$ [
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 ! }+ r! ]; q2 n
沉宝 发表于 2022-10-2 01:38) L0 ]) w3 J% @  T2 s% q5 |4 g
现在进展怎么样了？
" d; a( {3 K2 A. P* s2 k# J* U' j
2 S$ g& ~% i8 @; h想了解一下你问题的规模：

! Z. W; ]+ _. I3 y+ p
  f+ b5 p, S( @# d多谢关注。5 E2 G; a2 H3 Q' H4 K8 _
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。 0 \. f- Y2 Y5 c: M6 l; f
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 03:043 ?) n+ n3 P# |* c3 a+ ?
多谢关注。7 M! B! v' }) D+ x0 Z+ G; O$ ]
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 ...
  }  d: ?# `/ d/ 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？
, C5 S1 J, v1 J8 S. Q  {' s+ m& Q$ H/ Y. I% m
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 : R- k7 G) _  \& B1 i% J
沉宝 发表于 2022-10-3 01:16
7 ?* N3 \) j$ e; T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？
7 d7 E) c9 v5 A
. V( Q5 ~- y- R5 l另外，你在 Octav ...

7 i& e: t. y* L' }- C/ x* a8 q$ f  l8 P2 M5 s7 {" g
应该没有那么大。) I) [: b* j/ m
我算的：0 @5 v! R/ C* R
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。
$ r0 s/ p% g2 p2 y0 z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://www.aswetalk.net/bbs/) Powered by Discuz! X3.2