C++ 向量问题

Posted 2023-02-21

【中文标题】C++ 向量问题

【英文标题】：C++ vectors question

【发布时间】：2010-07-15 18:41:52

【问题描述】：

有谁知道如何加速boost::numeric::ublas::vector？

我正在使用typedef ublas::vector<float, ublas::bounded_array<float, 3> > MYVECTOR3 并将其速度与D3DXVECTOR3 在普通操作中进行比较。

测试如下所示：

#include <d3dx9.h>
#pragma comment(lib, "d3dx9.lib")

static const size_t kRuns = static_cast<size_t>(10e6);

TEST(Performance, CStyleVectors) 

   D3DXVECTOR3 a(1.0f, 2.0f, 3.0f);
   D3DXVECTOR3 b(2.0f, 3.0f, 1.0f);
   D3DXVECTOR3 c(6.0f, 4.0f, 5.0f);

   for (size_t i = 0; i < kRuns; ++i) 
      c = c + (a + b) * 0.5f;
   


#include <boost/numeric/ublas/vector.hpp>

TEST(Performance, CppStyleVectors) 

   typedef boost::numeric::ublas::vector<float, 
      boost::numeric::ublas::bounded_array<float, 3> > MYVECTOR3;

   MYVECTOR3 a(3), b(3), c(3);
   a[0] = 1.0f, a[1] = 2.0f, a[2] = 3.0f;
   b[0] = 2.0f, b[1] = 3.0f, b[2] = 1.0f;
   c[0] = 6.0f, c[1] = 4.0f, c[2] = 5.0f;

   for (size_t i = 0; i < kRuns; ++i) 
      noalias(c) = c + (a + b) * 0.5f;
   

结果如下：

[----------] 2 tests from Performance
[ RUN      ] Performance.CStyleVectors
[       OK ] Performance.CStyleVectors (484 ms)
[ RUN      ] Performance.CppStyleVectors
[       OK ] Performance.CppStyleVectors (9406 ms)
[----------] 2 tests from Performance (9890 ms total)

如您所见，即使使用自定义的基于堆栈的分配器，纯 C 样式的向量也比来自 boost::numeric::ublas 的向量快约 20 倍。有人对我如何加快速度有任何想法吗？

也许通过编写自定义包装器或类似的东西？

谢谢

【问题讨论】：

请确认您正在使用发布库进行构建，而不是调试，并且您已打开编译器优化。什么是 noalias()？

@ravenspoint Release build，/O2 （/Ox 给出相同的结果），noalias 代表 boost::numeric::ublas 内部优化，当已知结果不'不共享相同的存储空间。

"有人知道如何加快速度吗？"获取分析器，分析应用程序，找到在访问向量时占用大部分处理时间的例程/行，然后思考。 AQTime 提供了一个不错的分析器（价格昂贵，但您应该能够为您的任务使用试用版）。

【参考方案1】：

Boost uBLAS（以及一般的 BLAS）支持向量和矩阵代数，其中维数在运行时确定。它适用于解决某些数值问题（如使用 FEM 或类似方法进行模拟、优化问题、逼近）。对于这些问题，它相对较快，但在性能上无法与专业的 3d 矢量类库竞争。

使用其他库。如果 D3DXVECTOR3 不够，请查看例如CGAL。

【参考方案2】：

我认为如果您从 ublas::vector 类继承到具有手动编码的复制构造函数等的专用 3D 矢量类中，您可能会获得更好的性能。类似这段代码的东西（使用双精度）

/**

  A 3D vector

*/
class c3d : public boost::numeric::ublas::bounded_vector<double, 3>

    typedef boost::numeric::ublas::bounded_vector<double, 3> Base_vector;
public:

    //  ctors
    c3d () : Base_vector()
    
    c3d (double x, double y, double z) : Base_vector()
     Base_vector::iterator p = begin(); *p++=x; *p++=y; *p++=z;
    template <class R> c3d (const boost::numeric::ublas::vector_expression<R>& r) : Base_vector(r)
    
    template <class R> void operator=(const boost::numeric::ublas::vector_expression<R>& r)
     Base_vector::operator=(r); 
    template <class R> void operator=(const Base_vector& r)
     Base_vector::operator=(r); 

【讨论】：

"应该注意的是，这只会改变 uBLAS 用于向量 3 的存储。uBLAS 仍将使用所有相同的算法（假设可变大小）来操作向量 3。实际上，这似乎对速度没有负面影响。上面的运行速度与不使用 uBLAS 的手工制作的 vector3 一样快。唯一的负面影响是 vector3 总是存储一个“大小”成员，在这种情况下是多余的。“crystalclearsoftware.com/cgi-bin/boost_wiki/…

【参考方案3】：

我又看了一遍，意识到加快速度的最好方法是重写

   for (size_t i = 0; i < kRuns; ++i) 
      c = c + (a + b) * 0.5f;
   

作为

c = c + kRuns * ( a + b ) * 0.5f

这根本不需要时间。

当我使用简单的数组对其进行手动编码时，我的优化编译器显然会这样做，因为“循环”在很短的时间内运行了一百万次。

   float a[3], b[3], c[3];
   a[0] = 1.0f, a[1] = 2.0f, a[2] = 3.0f;
   b[0] = 2.0f, b[1] = 3.0f, b[2] = 1.0f;
   c[0] = 6.0f, c[1] = 4.0f, c[2] = 5.0f;

   for (size_t i = 0; i < KRUNS; ++i) 
       c[0] = c[0] + ( a[0] + b[0] ) * 0.5;
       c[1] = c[1] + ( a[1] + b[1] ) * 0.5;
       c[2] = c[2] + ( a[2] + b[2] ) * 0.5;
   

不是你的吗？

使用 ublas 库会阻止优化器执行其操作。运行这段代码

   #define KRUNS 1000000
   typedef boost::numeric::ublas::vector<float, 
      boost::numeric::ublas::bounded_array<float, 3> > MYVECTOR3;

   MYVECTOR3 a(3), b(3), c(3);
   a[0] = 1.0f, a[1] = 2.0f, a[2] = 3.0f;
   b[0] = 2.0f, b[1] = 3.0f, b[2] = 1.0f;
   c[0] = 6.0f, c[1] = 4.0f, c[2] = 5.0f;

   for (size_t i = 0; i < KRUNS; ++i) 
      noalias(c) = c + (a + b) * 0.5f;
   

需要 63 毫秒。我无法想象为什么它需要 9400 毫秒，不管你的机器有多慢。我又问了：你确定你已经开启优化并链接到发布库吗？