使用Eigen的性能比使用我自己的类更差
Worse performance using Eigen than using my own class
几周前,我问了一个关于矩阵乘法性能的问题。
有人告诉我,为了提高程序的性能,我应该使用一些专门的矩阵类,而不是我自己的类。
StackOverflow用户推荐:
- uBLAS
- 本征
- 爆破
起初我想使用uBLAS,但阅读文档后发现这个库不支持矩阵矩阵乘法。
毕竟,我决定使用EIGEN库。因此,我将矩阵类交换为Eigen::MatrixXd
,但事实证明,现在我的应用程序工作速度比以前还要慢。使用EIGEN之前的时间是68秒,将我的矩阵类交换到EIGEN矩阵程序之后运行87秒。
程序中耗时最多的部分看起来像
TemplateClusterBase* TemplateClusterBase::TransformTemplateOne( vector<Eigen::MatrixXd*>& pointVector, Eigen::MatrixXd& rotation ,Eigen::MatrixXd& scale,Eigen::MatrixXd& translation )
{
for (int i=0;i<pointVector.size();i++ )
{
//Eigen::MatrixXd outcome =
Eigen::MatrixXd outcome = (rotation*scale)* (*pointVector[i]) + translation;
//delete prototypePointVector[i]; // ((rotation*scale)* (*prototypePointVector[i]) + translation).ConvertToPoint();
MatrixHelper::SetX(*prototypePointVector[i],MatrixHelper::GetX(outcome));
MatrixHelper::SetY(*prototypePointVector[i],MatrixHelper::GetY(outcome));
//assosiatedPointIndexVector[i] = prototypePointVector[i]->associatedTemplateIndex = i;
}
return this;
}
和
Eigen::MatrixXd AlgorithmPointBased::UpdateTranslationMatrix( int clusterIndex )
{
double membershipSum = 0,outcome = 0;
double currentPower = 0;
Eigen::MatrixXd outcomePoint = Eigen::MatrixXd(2,1);
outcomePoint << 0,0;
Eigen::MatrixXd templatePoint;
for (int i=0;i< imageDataVector.size();i++)
{
currentPower =0;
membershipSum += currentPower = pow(membershipMatrix[clusterIndex][i],m);
outcomePoint.noalias() += (*imageDataVector[i] - (prototypeVector[clusterIndex]->rotationMatrix*prototypeVector[clusterIndex]->scalingMatrix* ( *templateCluster->templatePointVector[prototypeVector[clusterIndex]->assosiatedPointIndexVector[i]]) ))*currentPower ;
}
outcomePoint.noalias() = outcomePoint/=membershipSum;
return outcomePoint; //.ConvertToMatrix();
}
正如您所看到的,这些函数执行许多矩阵运算。这就是为什么我认为使用Eigen可以加快我的应用程序。不幸的是(正如我上面提到的),该程序运行速度较慢。
有没有办法加快这些功能?
也许如果我使用DirectX矩阵操作,我会得到更好的性能??(不过我有一台集成显卡的笔记本电脑)。
确保打开编译器优化(例如,至少打开gcc上的-O2)。Eigen是大量模板化的,如果你不打开优化,它将不会表现得很好。
如果您使用的是Eigen的MatrixXd
类型,则这些类型是动态调整大小的。使用固定大小的类型(例如Matrix4d
、Vector4d
)应该会得到更好的结果。
此外,请确保您正在进行编译,以便可以对代码进行矢量化;请参阅相关的Eigen文档。
关于使用Direct3D扩展库的想法(D3DXMIX等):图形几何(4x4变换等)可以(如果有点过时的话),但它肯定不是GPU加速的(我认为只是很好的旧SSE)。另外,请注意,它只是浮点精度(您似乎已经习惯了使用双精度)。就我个人而言,我更喜欢使用Eigen,除非我真的在编写Direct3D应用程序。
您使用的是哪种版本的Eigen?他们最近发布了3.0.1,它应该比2.x更快。此外,请确保您使用编译器选项。例如,确保SSE正在VisualStudio:中使用
C/C++-->代码生成-->启用增强指令集
您应该先分析并优化算法,然后再优化实现。特别是,张贴的代码效率很低:
for (int i=0;i<pointVector.size();i++ )
{
Eigen::MatrixXd outcome = (rotation*scale)* (*pointVector[i]) + translation;
我不知道这个库,所以我甚至不会猜测你正在创建的不必要的临时库的数量,而是一个简单的重构:
Eigen::MatrixXd tmp = rotation*scale;
for (int i=0;i<pointVector.size();i++ )
{
Eigen::MatrixXd outcome = tmp*(*pointVector[i]) + translation;
可以为您节省大量昂贵的乘法运算(以及可能立即丢弃的新临时矩阵)。
几个点。
-
为什么要在循环内乘以旋转*比例,而每次迭代的乘积都是相同的值?这是浪费了很多精力。
-
您使用的是动态大小的矩阵,而不是固定大小的矩阵。其他人已经提到了这一点,而你说你剃掉了2秒的
-
您将参数作为指向矩阵的指针向量进行传递。这增加了一个额外的指针间接性,并破坏了对数据局部性的任何保证,这将导致较差的缓存性能。
-
我希望这不是侮辱性的,但你是在Release还是Debug中编译?Eigen在调试构建中非常慢,因为它使用了许多琐碎的模板化函数,这些函数在发布后进行了优化,但仍在调试中。
查看您的代码,我不太愿意将性能问题归咎于Eigen。然而,大多数线性代数库(包括Eigen)并不是真正为大量微小矩阵的用例而设计的。通常,Eigen将更好地针对100x100或更大的矩阵进行优化。您最好使用自己的矩阵类或DirectX数学辅助类。DirectX数学类完全独立于您的视频卡。
回顾您上一篇文章和其中的代码,我的建议是使用旧代码,但通过移动来提高其效率。我发布上一个问题是为了将答案分开。
- 在c++中为我自己的基于指针的数组分配内存的正确方法
- 将矩阵乘以我自己的输入的向量
- 如何正确包含我自己的标头?
- 如何使用我构建的库,而不会从源代码出错,但不为我自己的项目编译?
- 为什么__builtin_popcount比我自己的比特计数功能慢?
- 在C++中,我可以在定义自己的复制构造函数后跳过定义赋值运算符吗?
- 在wxWidgets的事件中包含我自己的数据的最佳方法是什么?
- 如何在我自己的staticLib中使用staticLib
- 在我自己的堆栈中实现top的问题
- 尝试检查输入的文本与我自己的自定义答案
- 我应该在服务模板中的什么位置添加自己的代码?
- 如何在我自己的类中重载"+"和"<<"运算符
- 我正在尝试在视觉工作室上创建自己的库/源函数
- C++:我自己类的动态数组
- 如何在 C++ 中使用我自己的类中的库?
- 如何链接我自己的 .so 文件而不是操作系统捆绑包 .so 文件?
- 如何构建默认使用我自己的构建libc ++的clang?
- 访问另一个类(系统)的非静态字段,就好像它是我自己的字段一样 - 优雅地
- 分发我自己的程序的几个问题
- 如何自己为我自己的shared_ptr实现实现别名构造函数