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 N: l/ k3 ]4 p  d5 {# j7 n

: B6 ~! s1 I9 y: `做一个数字信号处理的小算法，需要算互相关。3 G# e8 y* y; g' G! L0 D, c
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。
* t! [9 f( d  Z# I/ r- A$ M2 M$ D- \% c) k$ v/ _
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 。
4 l8 s9 a. h4 x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。
3 @" p+ J9 F* {" y/ ~* _, r& O& J' P( m& d
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。1 }* K5 n. m' |- G
( U* U! ]9 |" b
高手们给分析分析,  多谢了。" y  d7 m5 E4 [- ]) g9 a  @7 U
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。& [% T" Q! |9 A& W$ h9 @
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。
, E* u! F0 s9 q  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 ' f/ a# i3 \4 G5 ^7 z  {
雷声 发表于 2022-9-23 07:02: w+ z7 Q) N3 d5 F
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。 ...

, X5 s; {8 y+ i/ T% }9 u
# H  C4 p& D5 e# p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( ]+ g  I: t1 x
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 E/ @0 V6 \/ o; j9 I" s- g  V! }
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 ' c, O" {. w" p  A  l% m- K
7 |6 j. Z4 e! Q% p
C++ code 用的是普通乘法？换成sse/avx向量乘法试试？* [- d, ^: J4 r) h# [4 c% E4 [
并且是单线程的？加个openmp并行试试% X8 i1 `) i( v& m% ^' q
或者调用mkl 库的互相关函数试试
) F+ \8 ?( l! |: ?4 {2 j$ a
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:187 N3 N' w4 i0 j
汇编快！
( `7 G5 v$ u# Q; U( e7 K% d% 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.
5 G6 ?' d, f* l$ g7 D! `# L5 W
0 N9 {! }. E. Y/ y, F& C* v. |. u: k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; D' Z; T( L/ 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++ ...

& `) \0 Z" {: ]  h# dSTL对性能优化没什么帮助，只是写起来比较安全而已。3 s+ f, i: U0 c" q$ M& @
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。
7 I6 m8 k( ?. k* ?4 e4 Y# v4 m& j买个Ipp库虽然不贵，但是还是要几百刀的吧？8 ~7 L6 C; I, u5 ]1 Y$ c8 h
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
) l# G. i( n& n/ d& y4 `" w3 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.
& J' r1 W3 ]+ h8 K# `# P6 U' y" k" D' N& w' E! \' [  Q( i
最好还是用高性能的计算库, 比如inte ...

8 h/ p( n: G' d$ J) H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
' v% F/ i9 M; W0 p8 C; u/ aSTL对性能优化没什么帮助，只是写起来比较安全而已。
8 r8 Y0 j4 D- f  g, U) V下面数值分析回答的是对的，要么用avx自己写，要么 ...

! U( d, \( p) z3 u  U. ^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
! ]+ G# G3 e' v6 t' U- @' k$ ]
沉宝 发表于 2022-9-23 20:53% }: N* j5 ]% w3 |+ g1 W
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 ?6 Y. L" x% z0 X6 N3 K/ \6 C/ T
必然是GPU啊，10来个核心对上千个计算单元。。。1 r+ a6 I2 B3 c+ {* I# @( j

3 p* x+ H- ^( n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！）* n# r7 h8 ?1 L9 L8 R2 D# V

* r, R& @6 C. A  I* p& Z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. f3 G" Q6 v) m2 H7 N2 N/ g
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 M: i# _3 O. [  [0 e5 n8 U! I( V( K
/ i$ e( u! p3 M$ U; T% n最好还是用高性能的计算库, 比如inte ...

1 y/ x. X0 y0 g. F$ S3 H区别还是很大的。编译器的优化还到不了那种程度。
6 B6 Y/ {$ ~1 m# l; Q" N% z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
6 p, Q0 V' ]. m1 W+ K) S4 Y5 x6 Q3 e) 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/ w% A" r9 O; q& y) a
8 c3 R; y( \7 b" V: o9 u" e8 H
想了解一下你问题的规模：- y$ P8 n5 G- E) O1 o" X2 V
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。5 u  C7 W  B* D4 ]4 x  P
2) 矢量和一个二维数组的长度大概是多少？
6 M, @* G9 @7 ?7 S/ J: R1 b" 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
' r( c5 e% \( S$ V) K: h9 F
沉宝 发表于 2022-10-2 01:38
1 x& X6 }/ Y4 t4 D% c6 P- k7 k现在进展怎么样了？# u8 _, t0 \6 J; [4 j, `1 R
2 O' c3 M, a1 O6 i3 T5 P
想了解一下你问题的规模：

" i/ I5 S5 x3 \% @9 h# ]) ]/ W) e$ x7 c/ g9 R* k: Q4 J
多谢关注。
# i' j. n" J+ k8 S3 v0 _* Z; w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。 ! V3 p& Q# i! D0 l3 O
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
+ w! w( g, w3 F8 }% w. h多谢关注。
- p% e# P# Z' H. V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 ...
9 J& @3 Y  X0 {' Q8 i
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？  I9 m5 ~4 Q+ l. w! t
+ Y- C- t( [6 i( @4 V% k" 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
/ o, _5 g' _; `7 w
沉宝 发表于 2022-10-3 01:16# a5 T, j9 C4 F4 m) P8 s
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？( J* ^9 f% B, S; n$ E# g$ F
7 s/ m6 o, O$ H  B3 ^
另外，你在 Octav ...
+ h5 w* F9 R. w- l7 a$ u, l
) [5 d2 c+ t- F6 D3 {8 C
应该没有那么大。3 g( O/ X" r/ A9 U8 d  r
我算的：
* a* P/ \( U; e# Z3万*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。0 ^% i% A* W( X6 L7 ~+ P- d
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