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
- c/ M, b, g. ^: P# `
' o- R) U. R1 L4 i5 s# K- i7 s做一个数字信号处理的小算法，需要算互相关。9 i. ?+ p: W0 K  `0 W7 K5 ^5 I' }% 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。, \5 b6 P3 |  U6 h& ?! b
! t/ n  [" N* \6 q' d- j* Y
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 。
1 P4 u8 ^% q6 I% p9 O3 ?' G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。+ Z3 N& ~% q2 U# x& t, I; b) S

: k/ I& W% w4 R  E: b9 I* o. f: lC++ 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。( ^  y4 B( O* x" ~; _0 v* z

! d/ |# _8 y$ B4 k高手们给分析分析,  多谢了。9 t, T0 s  h( C% [0 Q3 F; x
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。
: g$ \7 Q4 n/ M" s; f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。: J! H0 N# f* }
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 . ]' G3 A0 g% m
雷声 发表于 2022-9-23 07:020 v( q; ?) H: F. w  s- g- u0 l
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。 ...
& [+ A9 f  u, o  d" h

5 S% a! s, J+ u3 Q$ `3 _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。
, ^* p, H( ^2 W3 w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 1 W3 W  s* w# n8 ~- w: l
* M% a7 z9 L# X; M0 i0 W3 ~
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
5 T4 I0 ~; j( V- T2 c: n0 P' `7 ~3 [1 g# |
C++ code 用的是普通乘法？换成sse/avx向量乘法试试？
7 u) z  @9 _: F2 p+ o+ c3 Y9 l并且是单线程的？加个openmp并行试试2 k. m" n: F' J+ a+ H/ g# p% i
或者调用mkl 库的互相关函数试试
& J) A: k; y' K+ z$ ?" v
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:182 h: L1 D; E; }$ d, ]
汇编快！
. I  J& f! Q: S- d! f8 A" 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.0 g+ k# S! g/ F+ c* V1 d' k

2 t4 q  h( @: |+ O% N* X- ^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 08:130 L  ^1 A6 k* ~4 F9 U) I
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 m+ @" _5 }6 U6 F
STL对性能优化没什么帮助，只是写起来比较安全而已。
* K1 E0 W5 a% c& p5 ]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。: w+ m( E8 |$ i; ]# o
买个Ipp库虽然不贵，但是还是要几百刀的吧？
4 U" k" U2 }1 o9 o$ L+ u, S
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
2 n% W% F7 h9 ], @9 H. y& F+ H) 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.
" \7 G! E3 n) O0 v+ x2 a" J: s# _! v, E1 ~
最好还是用高性能的计算库, 比如inte ...

1 }6 n) e+ y- y6 q" ]; G( [' Q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
. [9 `4 B) U3 Y* oSTL对性能优化没什么帮助，只是写起来比较安全而已。5 ]; y/ {6 _7 I# Q3 o
下面数值分析回答的是对的，要么用avx自己写，要么 ...
& F9 P. q5 J4 W; g' 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 7 I- g; e! S7 @7 b
沉宝 发表于 2022-9-23 20:53
! m) b# d+ f8 I! P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） ...
8 s0 t; h) R+ K9 u; s8 V1 K$ g: S
, j% H6 A& J$ Y/ A8 S
必然是GPU啊，10来个核心对上千个计算单元。。。: N: Q# A8 b$ y8 b
! D8 [7 N& Q! R( @& o. T6 L) t* ?( 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！）
( V6 `% U! n# e4 ^6 l( ?
1 b' ^9 ^; v/ V2 S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( g( G! 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.
' C( N* U2 x4 o. i- u  s% |: _$ f, D, |$ @
最好还是用高性能的计算库, 比如inte ...

' G$ W& f" p5 |4 E9 ?区别还是很大的。编译器的优化还到不了那种程度。! f7 ?; g6 B9 C$ h; g% t8 g
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, M% t. c( l% `8 x5 q3 ]

2 L6 Y6 P0 w1 Z5 k% B8 }- ?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？5 X5 w8 o% Y2 `* ]5 O

8 k4 G3 S" u8 m4 J' S1 o' S想了解一下你问题的规模：+ S9 ?. M" _$ _" S4 Y9 [9 R- m/ Q
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。1 }& i7 H9 R5 U$ V$ V( Q: k- ~
2) 矢量和一个二维数组的长度大概是多少？
$ [8 J% z, ?4 o5 u3) 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 " M/ X* T6 x! t5 m
沉宝 发表于 2022-10-2 01:380 ~- l+ e4 g. p, x4 Q$ b5 l0 j
现在进展怎么样了？
, l. r8 I3 v% F* c+ o0 t, Z) Y% e
9 @4 G# w! {. B8 A" }) C/ P! e想了解一下你问题的规模：

! d5 D& \' t9 y% e/ B  U6 H9 H2 b5 {1 e. n. q/ Q2 _" {* F. e. y
多谢关注。
: l! [/ A" j/ r' X: P. 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3万点矢量做互相关，重复3万次这种互相关。
. J3 ~& a6 A/ V* S# B( t) l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! Y& L; W1 `6 x7 Z& m9 H7 A" P
多谢关注。0 p! J; D* Z4 e6 e. j7 }
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 ...

- V. C( g2 g( a* e5 _4 u( w9 A+ Q0 E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？
6 k- [$ ?/ x! }/ c  r
- |7 E( Z0 G" _& D1 R3 o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
# k3 F9 W# S0 }# z6 D' c9 l
沉宝 发表于 2022-10-3 01:16
. L7 `/ F3 K  y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？, s4 l0 t! U2 j+ t

$ h" _7 V8 Y0 [1 A6 m! r6 `另外，你在 Octav ...
: a* p; I$ m/ y& F2 r8 i

" j1 v% e) q! y! R: Q8 q应该没有那么大。$ {7 D: \7 H3 d! N  X2 B9 |  F. u
我算的：9 h9 k) a$ b! E' U* H
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。1 G6 l5 U; a. K- b7 m- E" u
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