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 v3 i6 T' U) K. Q
1 ~* {1 W4 h2 J! I: e0 g7 w) k做一个数字信号处理的小算法，需要算互相关。3 F/ ]5 p( g- S* J2 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。, A9 o1 \( G; S; `8 |0 \
  ~/ T" m' d& z; Y7 v8 j7 Q
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 。$ x4 k/ ]+ {! }* r  A, h
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。
( K9 H7 @! e& m% ~$ J) p* l% ]
- I- C) B6 N5 t  o/ d# GC++ 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。4 S$ P9 f9 m' ]! f, x. F1 W* {
3 I/ b' y3 A" ?' `0 I1 Y
高手们给分析分析,  多谢了。
8 a9 Y( r5 U- Q, g  X; r1 D
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。
* W8 [8 \- v6 G3 ~3 Y4 e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。
& }. w6 E' U" M/ G3 d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 ( ]+ O& {" ~$ [! T- t. v: \
雷声 发表于 2022-9-23 07:02! I- V* z  w$ T1 V
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 `% H/ A. P# Y

. z2 S. Y4 p1 g; e0 ]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。
' E9 g; ?7 f9 m6 e9 D! G6 J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 . p- S4 M. o' M! [7 p0 [3 U' v

  g/ F% q1 S1 W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 7 u4 f8 v# h& B2 H0 i" f7 W& m
5 y/ h. b7 Z( t# n
C++ code 用的是普通乘法？换成sse/avx向量乘法试试？
8 T, I  h  Q! e  C' ~并且是单线程的？加个openmp并行试试
9 Y: c  y, m; q: T. K或者调用mkl 库的互相关函数试试
# L/ `, D  d- `4 }+ j+ B0 |! }2 x% k
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:18" t) [5 Q1 T  `, F$ e
汇编快！

# j4 m* b# M" z( u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.' w! d) ~  ^: s9 k6 ]9 b% X

$ ^, n1 f- W7 R1 P) {; U( t6 A9 G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: i$ h6 E+ e3 H- _/ i" I7 E
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++ ...
! H1 `" d+ a& W4 g7 i, W
STL对性能优化没什么帮助，只是写起来比较安全而已。
7 j/ i4 A: x6 S4 o; 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。
7 [( U/ g$ H/ `5 ]买个Ipp库虽然不贵，但是还是要几百刀的吧？% P) `% `- u: ?% S) ?- o
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# b, t% s( G1 J7 P9 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.6 x* R' \+ T$ v. ^
$ r5 c! b) y/ G+ l
最好还是用高性能的计算库, 比如inte ...

: j% i  S6 R3 ]( [2 h* G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 15:488 H7 x3 r- F( X2 v" C) n) S  D
STL对性能优化没什么帮助，只是写起来比较安全而已。' N( R( ~( o1 z0 D, H
下面数值分析回答的是对的，要么用avx自己写，要么 ...
0 c2 B! U) v0 `) c1 m/ A- G4 B
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 2 N& `% H. A2 z8 G4 t4 ?. e8 w: B
沉宝 发表于 2022-9-23 20:53
4 d* s9 p/ |/ e8 G. y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） ...

, y) c# x# {/ R. A& o8 A- I0 r" J* H. i8 f
必然是GPU啊，10来个核心对上千个计算单元。。。+ A; p% p- D5 o
6 |+ M0 }' W% K
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！）" {0 ^$ O/ z  C, S" N* I
$ C% j$ [% Z0 e9 \/ 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
, U$ D. K3 O1 k) Z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.& }. S6 Q! o5 h  f$ g' w( W* o$ Q* n, W
8 F$ n+ y  w! h  q  I& q
最好还是用高性能的计算库, 比如inte ...

. R6 e. H! ~1 t区别还是很大的。编译器的优化还到不了那种程度。
! N8 k! R. m, O) p. M( l8 C; K% `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" y5 {% P. S4 T* r, D
; c* c5 o! h$ c: @/ u( g8 a
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？
6 ~) j6 G* E- W# ^- |  `: c
6 N! T; f8 @. p想了解一下你问题的规模：* {' O& W8 J' p7 x) m7 s
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。' k$ k5 J- \! u2 T3 \+ }: u
2) 矢量和一个二维数组的长度大概是多少？
( y7 W  }0 B1 I6 T# m! k3) 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
6 _( \2 W1 _$ A3 H3 F* {
沉宝 发表于 2022-10-2 01:38
/ H; w  ~9 A! @, }' w6 s现在进展怎么样了？
, q4 M: E1 Q/ E/ p0 v8 c1 O1 a2 o2 d* l
想了解一下你问题的规模：

8 H' o. ^/ W0 S: H5 t- e5 _3 f3 l0 @  a! b3 ]
多谢关注。
' y- @$ K$ k5 W1 Y  t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。
5 [+ r+ Q+ u, c/ r2 r8 `* b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
0 S2 E5 J$ x0 u多谢关注。
" z* x6 [8 E' }8 k) c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 ...

3 ~; b1 d5 k( P4 G* W7 V2 f6 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？
2 H$ q& E% }& E" k0 C$ e/ C
) A" G; r& q0 v. D) `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
. D% e, U$ c  p! ]
沉宝 发表于 2022-10-3 01:16
( j/ E8 C" |- P% h' t+ r5 _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？# x9 o, |' D- o

0 x) k8 l  M% O: Y' [0 s: O! _另外，你在 Octav ...
4 J+ h8 `1 G, [' A& G6 |( |
, o) k4 |# }) z+ ]5 C
应该没有那么大。  _: b* D2 {3 I8 N2 _
我算的：
8 M. _% a6 t4 t# A3万*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。* n  X: P% O  h3 J/ J2 Z- x6 {; 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