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 ; B( h/ H& D' c* h& y0 a

+ q0 I( A+ @4 v$ q, V' q) \; k做一个数字信号处理的小算法，需要算互相关。6 A2 N# o) S3 n( J" s$ R2 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。; R% t: q: Q, ?* D$ d6 u, n
9 T7 U$ p8 X7 }  a. T; T9 g. o
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 。
; J/ }- m, G3 u  v2 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。- f9 [$ n; Y1 N# P& H( ]

9 x5 e3 B" Z) u+ P1 H, V% Z* U! SC++ 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。
$ w! ?5 t* s6 F
! s5 h: W7 C4 b! P* d9 @. S2 Q高手们给分析分析,  多谢了。0 C8 B- X5 @+ b' _8 n! S
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。8 Y! I7 P/ O  x, j' H: F1 j) C
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) U* r# K/ N; E
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
  m4 m$ N3 L" I4 x. `* m- _
雷声 发表于 2022-9-23 07:02
" J' x) S" M7 n" i( S  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。 ...

2 ^. d* n- q- p, }$ {  a% S# p9 Y$ B
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。. }, ~1 ^$ U! H* r' _
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
! B$ S' e" k' X, G5 H2 q- |0 a' J6 d% u* _4 f
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
3 Z' p! A2 K" I) b8 b
% C( Z5 R  Z& d- T6 K1 lC++ code 用的是普通乘法？换成sse/avx向量乘法试试？" ~; X2 e. I' `0 _( _
并且是单线程的？加个openmp并行试试( y! f1 V1 ?3 m: }7 v
或者调用mkl 库的互相关函数试试# n0 x$ B7 z& f7 ^& l7 h
作者: mark    时间: 2022-9-23 11:43
马鹿 发表于 2022-9-23 11:18
' t3 I. g. H7 }: p0 @$ A汇编快！
( E$ _, }. G( s
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.
, ~, i3 ^6 V' \, X: q2 b8 z
, ^) ]2 R; P5 I0 L) Q9 W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: C2 X/ G; Y0 [6 v- 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++ ...

) W- S3 u# h  |6 Y) QSTL对性能优化没什么帮助，只是写起来比较安全而已。
! k( F. h$ V+ M$ r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 k% b) Z5 z" d$ c5 w0 X% U& x2 o( e
买个Ipp库虽然不贵，但是还是要几百刀的吧？. [/ `' v8 L% L2 n2 Q2 w
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
/ I0 `6 m8 G9 z4 E" \6 f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.( b# [$ E, a5 E. w
; L( q% S; Y/ A0 J( J/ Y
最好还是用高性能的计算库, 比如inte ...
; }; d+ G# r- v7 d/ ]
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. i$ X2 z# `/ d7 Z+ C* f
STL对性能优化没什么帮助，只是写起来比较安全而已。: N6 k- x' A6 n
下面数值分析回答的是对的，要么用avx自己写，要么 ...

/ O$ l- k" ?1 ^. l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 N# f& M/ S4 N& K4 a4 b
沉宝 发表于 2022-9-23 20:53
0 H# m) y- m  \" Q' I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） ...

( p: ]: n1 a3 Y: ?( o! Q% l7 F& P
必然是GPU啊，10来个核心对上千个计算单元。。。
- v5 E& Q! s$ j" b
" T- w* B  M: M( c& f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！）' J* S) K( D3 W5 d# t& ?
: i8 q2 {7 b& s% q9 V8 G8 M
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* v& V+ w# s4 Y) p* 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.& {- w3 n$ y1 m( ]( }/ y: {
; o7 q3 t2 }2 }/ x
最好还是用高性能的计算库, 比如inte ...

) h+ s/ v0 Y1 a6 `区别还是很大的。编译器的优化还到不了那种程度。
& h& f6 H1 ]! S$ C0 k& A7 n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
2 w+ P9 Y) u9 y" z
9 x' [5 ~6 H' N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 q8 X* `. `" Y4 S3 F
; K5 n& F: V5 u2 T& G: y
想了解一下你问题的规模：
. \8 e0 g1 |$ Z4 f1) 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。
0 t6 h4 I+ p, i, P9 _, S" T2) 矢量和一个二维数组的长度大概是多少？
" v' G6 }+ I2 @) ~! ]. t7 H3) 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 3 f# p4 S/ q& h" D" t7 Z6 x5 F
沉宝 发表于 2022-10-2 01:38, S- c; e! g$ v: e/ r2 c
现在进展怎么样了？, m; ]% k5 g  g; o
9 m2 k: M" L! N! R- j
想了解一下你问题的规模：
4 t$ W1 f% j& a1 L9 F

" s2 U5 G5 E( X. w: n! m多谢关注。! G% ]/ ?& V  u/ k( G
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。
4 ^% S; b8 m4 X9 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
& }; P; q" s/ E多谢关注。" I) i6 ~1 S& I* j- m
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 ...
; r% p8 F- b  w; R: [% @/ C5 }  f
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？
  S' L$ V2 v: S  M* B- z6 N6 s. d5 \/ o( s1 l0 ?: 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
/ [, W. t1 _* m) ~
沉宝 发表于 2022-10-3 01:16- T7 o0 h- f% ^9 |
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？" V; C" S: U2 A7 k* E# l( j

8 j4 s7 D6 |$ ~, M6 K7 G5 H另外，你在 Octav ...
# r# d& D/ u+ ^1 {$ |3 b% @

- F0 A7 Z+ S! Y  Q8 ?应该没有那么大。
, y- }# q, Z9 i! d我算的：
' p$ ^5 ^8 D1 }% @( W3万*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。; P2 ~7 p9 L6 X& w% b$ ?/ C
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