如何加速C++稀疏矩阵操作

How to speed up a C++ sparse matrix manipulation?

本文关键字：操作 C++ 何加速 加速      更新时间：2023-10-16

我有一个小脚本，用于在C++中操作稀疏矩阵。它工作得很好，除了花费太多时间。由于我一遍又一遍地进行这种操作，因此加快速度至关重要。我很欣赏任何想法。谢谢

#include <stdio.h>      /* printf, scanf, puts, NULL */
#include <stdlib.h>     /* srand, rand */
#include <time.h>       /* time */
#include <iostream>     /* cout, fixed, scientific */
#include <string>
#include <cmath>
#include <vector>
#include <list>
#include <string>
#include <sstream>      /* SJW 08/09/2010 */
#include <fstream>
#include <Eigen/Dense>
#include <Eigen/Sparse>
using namespace Eigen;
using namespace std;
SparseMatrix<double> MatMaker (int n1, int n2, double prob)
{
   MatrixXd A = (MatrixXd::Random(n1, n2) + MatrixXd::Ones(n1, n2))/2;
   A = (A.array() > prob).select(0, A);
   return A.sparseView();
}
////////////////This needs to be optimized/////////////////////
int SD_func(SparseMatrix<double> &W, VectorXd &STvec, SparseMatrix<double>   &Wo, int tauR, int tauD)
{
W = W + 1/tauR*(Wo - W); 
for (int k = 0; k < W.outerSize(); ++k)
    for (SparseMatrix<double>::InnerIterator it(W, k); it; ++it)
        W.coeffRef(it.row(),it.col()) = it.value() * (1-STvec(it.col())/tauD);
return 1;
}

int main ()
{
SparseMatrix<double> Wo = MatMaker(5000, 5000, 0.1);
SparseMatrix<double> W = MatMaker(5000, 5000, 0.1);
VectorXd STvec = VectorXd::Random(5000);
clock_t tsd1,tsd2;
float Timesd = 0.0;
tsd1 = clock();
///////////////////////////////// Any way to speed up this function???????
SD_func(W, STvec, Wo, 8000, 50);
//////////////////////////////// ??????????
tsd2 = clock();
Timesd += (tsd2 - tsd1);
cout<<"SD time: " << Timesd / CLOCKS_PER_SEC << " s" << endl;
return 0;
}

您可以做出的最关键的性能改进 （IMO） 是不使用 W.coeffRef(it.row(),it.col()) .它每次都以W对元素执行二叉搜索。由于您已经在使用SparseMatrix<double>::InnerIterator it(W, k);因此更改函数以跳过二进制搜索非常简单：

int SD_func_2(SparseMatrix<double> &W, VectorXd &STvec, SparseMatrix<double>   &Wo, int tauR, int tauD)
{
    W = W + 1/tauR*(Wo - W);
    double tauDInv = 1./tauD;
    for (int k = 0; k < W.outerSize(); ++k)
        for (SparseMatrix<double>::InnerIterator it(W, k); it; ++it)
            it.valueRef() *= (1-STvec(it.col())*tauDInv);
    return 1;
}

这导致大约 3 倍的加速。请注意，我已经纳入了@dshin的评论，即乘法比除法更快，但是性能改进是大约 90% 删除二进制搜索，10% 乘法与除法。

相关文章：