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
0 ?+ q- u9 u' ~9 I( L# }
* Q( @& v0 @" y: e做一个数字信号处理的小算法，需要算互相关。
* Y' l( \; d+ ~8 @8 u  F- x) Y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。' z* J/ B1 s8 n" R& G( Q
# S# V) S# \8 c5 m5 i1 G
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 。
# \+ V# o: X( C% `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。
6 V+ u1 N$ ^& j2 h$ j+ t
! A" H- J4 O) \, u% _0 \" O* TC++ 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。, Y9 W4 y; {$ l. n2 K; V) _! b

; L1 m/ _: B1 U, U; Q! r高手们给分析分析,  多谢了。
( U9 V  B' `: t
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 _1 N" O6 ~+ g) `
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。
* ^% Z: N! r( y: |9 W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
2 m( }( @  _  i+ G: n* O
雷声 发表于 2022-9-23 07:022 C' v) B; X# W4 t3 p
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。 ...

- D( R! l" O1 M8 Z+ j, G# s& v7 J2 C0 H5 H3 }; }" J
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。5 Z+ Q% U+ @" G
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
+ W0 V) v! d- C% O: D4 {9 H  L
0 W$ W+ w, W8 {' E' `( i/ U0 @  u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
/ [- R* Z& d: b& g, ]
( q0 @: _: v" x7 {" Z7 MC++ code 用的是普通乘法？换成sse/avx向量乘法试试？  o9 \: r4 D4 h$ u) N+ r5 M' ]6 p
并且是单线程的？加个openmp并行试试
) k+ C  k0 z* Y2 S7 b7 B( d7 [" b或者调用mkl 库的互相关函数试试
: c; x1 L3 b* s
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:18  y. o1 \" ]& q' M( _6 U' b
汇编快！
3 E4 _& w6 |7 V
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.
4 J8 r$ V2 y1 h! X. A% N( @
. M$ O; I/ |/ {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  y  g: Q7 V; s8 e) d  T. s3 W/ J
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) e0 p# Z& m: U8 i
STL对性能优化没什么帮助，只是写起来比较安全而已。# H) s. f- a* U: u$ x" l- e
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。+ f  i/ I! b. D
买个Ipp库虽然不贵，但是还是要几百刀的吧？
0 y# W/ ~0 x7 f9 e
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 22:431 w% M0 ]: r2 t' B
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.
) L0 f  p' u9 v, J
& ]5 N8 h' B) a+ k' y最好还是用高性能的计算库, 比如inte ...
  O- |1 V3 q7 c  B7 `! v# ~) _
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+ T( W+ g. S! s# ~& G: O
STL对性能优化没什么帮助，只是写起来比较安全而已。& o3 x, ~; n2 o9 {! o8 B
下面数值分析回答的是对的，要么用avx自己写，要么 ...
2 t0 \9 A) T5 M
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
0 j3 K6 B+ d: J
沉宝 发表于 2022-9-23 20:53
) B. {2 k. T" n0 M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） ...
4 F$ S* ?) Y+ I' k1 C- y3 x6 g
3 o% g/ N4 i7 k( r
必然是GPU啊，10来个核心对上千个计算单元。。。9 r( U- a9 g  q* x

; Y$ `" q7 D0 L- n# s$ W# r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！）
: a  g; m8 y! ?0 G; I% Z- W3 a: G# m9 q6 r: k" k" J
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
# \8 y# D. P- L# O) @) i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.
: [( l! N8 k5 u( X) c
( {  P' f- j0 H4 e" [" r$ E+ W( l最好还是用高性能的计算库, 比如inte ...
+ I6 p1 ~8 I& M2 D/ x1 p
区别还是很大的。编译器的优化还到不了那种程度。
$ z0 x/ ]3 {# F7 ?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 c* Y( K) Z; S% t) W' e

) d8 [4 ~8 p, U, q1 E9 v2 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？
) n- I9 D$ E, ~
7 G9 b- N7 P4 L; N1 y4 q$ y想了解一下你问题的规模：3 O; q0 E1 K) J7 }
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。
$ X: q; g6 w  H2) 矢量和一个二维数组的长度大概是多少？0 z* `6 e) G, X
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
( B5 K* e  B7 |; @$ x2 S
沉宝 发表于 2022-10-2 01:38: B& n: ]& D. y. C/ n! s7 l
现在进展怎么样了？
5 k3 J: ]: E( `% p- B3 u! y- [
- l& C7 S4 u- ^想了解一下你问题的规模：
9 d2 _( P" |9 K+ o( H; X. \1 C3 s

9 ]" _( m! h% u; I' A多谢关注。( x' i6 M6 B7 v: p& l3 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3万点矢量做互相关，重复3万次这种互相关。 3 ^4 s% i' M. I2 }* w/ U
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/ G- x- C) B  V, D
多谢关注。) e6 G3 w; {9 E7 B# A
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 ...

7 B  Z0 M  B% y( {: 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？7 [; g5 G( k, ^

) {, k) e4 {. T4 X2 f  z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
: O5 |$ Z1 I5 t* `
沉宝 发表于 2022-10-3 01:168 l4 I9 v% D; \! C$ r
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？
; A( X% g5 d/ k/ n3 G! ]- z$ F3 U8 b7 M! V  b# O
另外，你在 Octav ...
/ E5 _" L- a) W) R5 Q2 Y0 F
2 d* T. V* |. [
应该没有那么大。
  Q$ P' ^2 P7 z! k: {% N我算的：
$ R( R2 {( F+ Y( o0 p  S5 t3万*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。6 `0 Y+ L" z9 i) c0 B
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