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 K* |6 o: F8 a* Z8 }' o& q, e* n
. O0 ^" Y5 G8 e/ e
做一个数字信号处理的小算法，需要算互相关。
# x6 K/ g, b/ _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# k/ C/ i% l5 K. x  D1 l' ~; m5 k0 K0 d8 |1 \! |
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 。
( X9 w. G- R. k) y8 X% J9 b1 a4 q8 ?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。, p4 t. r$ v6 m
3 T2 z, D2 V  c7 B; ?7 {
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。! Z) d! `6 m) [  P0 @
9 r  ~  q9 l; `5 m6 T
高手们给分析分析,  多谢了。/ `# R/ Q% N3 z2 q, A' i4 g0 C& \9 U5 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。+ O9 A. Q1 c% b4 L; |
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。! b! ?, Y, R- ]3 n; C+ Q9 P+ {
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 / M+ A$ v! y0 K& h
雷声 发表于 2022-9-23 07:02
! x- b+ h2 c6 j% p/ ~0 m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 [. O: c) G3 e/ w. e4 c5 J: K- l
5 H4 k' J/ n5 ?% [$ \# G8 F
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。: _' n9 l" n2 e# j8 a# p5 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
, t. f2 J( t( w9 w7 @
+ Y! i3 @5 N8 K% p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 / j" Q8 z: z% [* L- n3 A: j  p2 K

# x$ b+ F4 @% C" [1 g) G4 v; YC++ code 用的是普通乘法？换成sse/avx向量乘法试试？7 [. _! b3 C" T' c
并且是单线程的？加个openmp并行试试( R5 J: h5 M+ S& n: q
或者调用mkl 库的互相关函数试试1 y* J/ U% l# I/ v# F& d
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:18! O  p# q' {0 x, s+ X& Z' H' {' u
汇编快！

9 w1 n  X" m1 z" Z! e, p6 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.
3 z. z# s1 x& v2 B
2 h2 L0 ]" ?. D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% ^+ S! }8 z( F# \# 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++ ...

3 I5 J; }& @2 `) vSTL对性能优化没什么帮助，只是写起来比较安全而已。" s% G; T% T; \# c3 n* p2 K9 F9 S( d8 z
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。
  U& j0 h# |1 @) j# h买个Ipp库虽然不贵，但是还是要几百刀的吧？) h+ x: l. G- ~' Y- Y7 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
/ J; J. a; K! O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.
  f3 y# w  ^& u
- N" y0 Q$ H+ R" B最好还是用高性能的计算库, 比如inte ...
* Y8 S1 m# M; w) T9 E
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
. J1 x) Z! `# Y# [6 g3 T; kSTL对性能优化没什么帮助，只是写起来比较安全而已。
6 O' y+ e% r* Y3 y下面数值分析回答的是对的，要么用avx自己写，要么 ...
  y' p7 D! N6 R$ X& n, A1 X9 u/ z
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
9 |( F/ ?5 h6 N) c' j
沉宝 发表于 2022-9-23 20:53
# ~/ O" Q) q* e0 H- b" S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） ...

- T' b/ `/ `. ]4 D8 @' \
* R$ i3 r" Q5 l" J/ R& L1 K必然是GPU啊，10来个核心对上千个计算单元。。。1 _5 E' O5 J( E4 W9 X0 G

4 Y& k- l# E% W' 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！）
  r' l  X; ~, s6 H, ?
) o! E; V) U7 c+ e/ d! ~$ l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 11:431 O0 A7 s2 r7 s* r0 |. Q" h* Q% B3 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.: e9 A2 R5 k: a: K
, ]6 n2 f/ `! M8 N9 g; ]6 C
最好还是用高性能的计算库, 比如inte ...

+ U, y* a6 |2 d6 K7 C' v区别还是很大的。编译器的优化还到不了那种程度。# |, L  X; B' S2 ?6 [9 Y% d
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1 z! m& P# W: D+ g  S
  I: B/ K/ a* S3 P( B+ p& p
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？
! w( t! |) g- n5 Q4 o% a( _2 x0 Y* `9 C$ g
想了解一下你问题的规模：6 t- ?! X0 J1 |7 x6 [& z! O
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。
4 D- O2 |4 D6 L- }2) 矢量和一个二维数组的长度大概是多少？
) `* @# d: ^1 Q9 y+ I3) 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 3 e1 h8 v; g& }( o
沉宝 发表于 2022-10-2 01:38
; {- E! x+ k7 Q7 [8 B现在进展怎么样了？
5 a9 O0 u, z( G3 P# ^: T, z% b, Y  t; L, X
想了解一下你问题的规模：

. b& M) _% d) ]" M  I5 X' Q. r; M- _( C
多谢关注。/ v& q3 D- ]) T9 c' n
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。 : e# `9 W) N: P2 _7 O% 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- _  L8 b7 a! X( e" W" S/ i( A. I
多谢关注。  E. |# h9 g3 L3 Z  e
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 ...

! m8 h  v% {/ G+ T4 N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？
: n# H8 i6 ^4 W0 o5 l" k$ H( y& p: E# G! ?8 d# w# S
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 ! F/ \! H$ n- w' {& u; \, n" A, E
沉宝 发表于 2022-10-3 01:16! A7 x8 t7 I" M& Y- f  O
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？
) L0 F8 i0 d" S# h4 K/ N) t# X  G' q  a7 `/ m$ w0 K
另外，你在 Octav ...
2 Q% f$ s# |+ b

  @, Z( e5 r/ k: H应该没有那么大。" H6 g# E& t6 G! O
我算的：
! y/ o+ \: f: f( c5 C3万*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。
( b( f% g& V( s' O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