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 - C9 V  a( O% m% f7 x) a5 v

% K' M2 x% S+ ]/ {* A7 b1 l做一个数字信号处理的小算法，需要算互相关。
: L5 S3 I: ~' W6 l; x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。% @# l5 i: z, A
( B( W# h/ h) `' K; L0 N, X4 |
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 。9 N1 O! F. ?7 Y6 f+ l
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。
0 E$ H9 l. b. S, T4 n. c
1 |& o  K5 d: s/ P2 x; ^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。
* u6 ?9 H$ p+ e; S) d7 ]: J
& n8 n, M: j; ^6 f高手们给分析分析,  多谢了。
0 F0 ?7 v) \4 R9 y, D6 C  K
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。: i0 v7 k) M6 @/ B5 [( s1 S
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。
8 H9 [8 ^$ A; a; ~1 r" @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
9 x; l, d& e# D- {# k+ i
雷声 发表于 2022-9-23 07:02
" F6 T5 Y! `- B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。 ...

" e1 L6 K( a4 @5 L! G* o$ j& E8 b9 b- _8 i9 b  A4 s* X8 i7 ^6 h; `
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。
+ q" d* ~6 ]/ K$ a, d9 k& @4 m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 7 d' x. P. [( p) w' P  \) g" L- k1 M- ]
; _% w* x5 f" t& X  Q/ P* V+ k
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 6 X: a$ \+ S) {8 A5 {5 D
& o4 j' o* n( G! w/ ^2 @+ O9 H
C++ code 用的是普通乘法？换成sse/avx向量乘法试试？
* O4 E  z9 ~: _) j# L并且是单线程的？加个openmp并行试试# U1 E& M& M' g: {& ]1 t5 {; Z3 K
或者调用mkl 库的互相关函数试试
( U1 ]7 E# g8 O  ]
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:185 C7 P  R5 W# _, b1 a" H* h! U" v
汇编快！

2 q: y3 j( Z4 z4 ?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.8 ~& r! ~" x4 l( _; o2 k

% e, k' I+ s2 \9 p9 e0 ^; Q" @9 T8 F) 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 08:13" Y. }; n: k, l7 `( f( H# m
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++ ...
2 _4 {9 z( @' o& w
STL对性能优化没什么帮助，只是写起来比较安全而已。, A- b7 i. R4 O' ^: }& ^* @
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。3 `' @, [% y0 g% @; V& C* [
买个Ipp库虽然不贵，但是还是要几百刀的吧？
3 o, x/ ?6 |- U7 E, a5 D/ d! i
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$ o- d1 L: y3 ]4 q5 X6 Y$ `7 q
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.
% T7 C( b) p# K0 |
0 }( f- H2 w: D% d1 a最好还是用高性能的计算库, 比如inte ...

0 a8 B1 {" `" o$ G! g, F. ?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 15:484 b0 [& ?# L5 ]
STL对性能优化没什么帮助，只是写起来比较安全而已。0 x- o& [( S' Z4 c, ~5 ~- D
下面数值分析回答的是对的，要么用avx自己写，要么 ...

- I* `7 C( M% ]+ Y: H$ u) H" r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 * I5 L& O% `7 w8 A9 ~
沉宝 发表于 2022-9-23 20:538 C, ?+ O: N; h7 L7 X1 M& C$ q% 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） ...
9 `& L- i/ h* M8 ^
( }, B2 A; j- y
必然是GPU啊，10来个核心对上千个计算单元。。。: P# b. ^4 U* Z8 H
2 [2 D8 y6 Q4 x
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 j5 _# R8 @  _/ v2 ~: _

" K7 t' E$ F1 L& q0 S2 V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
5 m7 T& o7 `) j5 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.
, X0 a/ ~; c; c3 v( R0 K
; `  x" w# a8 O. g0 I( U4 d最好还是用高性能的计算库, 比如inte ...
  \. W6 s" l& C7 ]2 Q7 t. {4 y' e
区别还是很大的。编译器的优化还到不了那种程度。
! E2 \/ ?% j: v: x1 l- m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 b* k& v  D8 I1 R: N. ^1 B  l- t' k8 h3 Y
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？* B. |3 w# d+ }; j6 `

* K- j: c! o# L8 R7 G3 [想了解一下你问题的规模：2 b* l2 U1 F& Q( E3 b; w
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。
. b+ [2 e6 l& Q( A+ [2) 矢量和一个二维数组的长度大概是多少？
% i0 j8 S. G! `) C$ ?3 S. g0 X3) 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 9 W+ g1 q; g" O/ B
沉宝 发表于 2022-10-2 01:38
  ~1 ~$ L: q$ Q% o现在进展怎么样了？# p4 W8 C3 e; Q9 P9 |
2 ^& S, ?' S& N! s5 j5 |1 r, ~
想了解一下你问题的规模：
- o. k9 D4 Z* M  S4 x9 P
3 H3 U0 K* l4 j/ D5 v
多谢关注。0 j# S8 N1 c3 k
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 ~6 d6 ?, m4 S* L9 `( M
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 03:049 U% l: R: F9 ~2 K4 v! N! q
多谢关注。7 {4 i2 v! s; N# n- _& X9 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 ...

1 U! ?/ ?: r' e$ V7 |3 c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？
) e5 j4 Q/ h' P5 e4 H/ W8 A
8 i8 _: |- \7 h- a; }  v" y+ B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 ( C- }8 l5 ~% i; d: U/ Q; B# s! P$ i
沉宝 发表于 2022-10-3 01:16
$ u  M0 P- c: h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？
' T7 f2 W: \! D: r
4 `5 z  F' @1 t另外，你在 Octav ...

$ D) \& ~) X/ [# q& {3 m
2 A3 ?+ y/ v! L* \' S* p应该没有那么大。: I$ k9 F+ m! A, z. ^2 m
我算的：$ X( P5 J8 @7 b3 u% v
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。. K9 ^7 S! E1 t. X
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