犰狳库是不是会减慢矩阵运算的执行速度？

Posted 2023-02-17

【中文标题】犰狳库是不是会减慢矩阵运算的执行速度？

【英文标题】：Does armadillo library slow down the execution of a matrix operations?犰狳库是否会减慢矩阵运算的执行速度？

【发布时间】：2018-05-17 07:57:28

【问题描述】：

我已将 MATLAB 代码转换为 C++ 以加快速度，使用 Armadillo 库在 C++ 中处理矩阵运算，但令人惊讶的是它比 MATLAB 代码慢了 10 倍！

所以我测试了犰狳库，看看是否是原因。下面的代码是一个简单的测试代码，它初始化两个矩阵，将它们相加并将结果保存到一个新矩阵中。一段代码使用了 Armadillo 库，而另一段则没有。使用犰狳的部分太慢了（注意经过的时间）。

它真的会减慢执行速度（尽管它应该加快执行速度）还是我错过了什么？

#include<iostream>
#include<math.h>
#include<chrono>
#include<armadillo>
using namespace std;
using namespace arma;
int main()
 
   auto start = std::chrono::high_resolution_clock::now();
   double a[100][100];
   double b[100][100];
   double c[100][100];
   for (int i = 0; i < 100; i++)
     
       for (int j = 0; j < 100; j++)
         
           a[i][j] = 1;
           b[i][j] = 1;
           c[i][j] = a[i][j] + b[i][j];
         
     

     auto finish = std::chrono::high_resolution_clock::now();
    std::chrono::duration<double> elapsed = finish - start;
    std::cout << "Elapsed time: " << elapsed.count() << " s\n";
    auto start1 = std::chrono::high_resolution_clock::now();
    mat a1=ones(100,100);
   mat b1=ones(100,100);
   mat c1(100,100);
   c1 = a1 + b1;
   auto finish1 = std::chrono::high_resolution_clock::now();
   std::chrono::duration<double> elapsed1 = finish1 - start1;
   std::cout << "Elapsed time: " << elapsed1.count() << " s\n";
   return 0;

这是我得到的答案：

Elapsed time: 5.1729e-05 s
Elapsed time: 0.00025536 s

如您所见，犰狳的速度要慢得多！不使用犰狳库会更好吗？

【问题讨论】：

Performance Tradeoff - When is MATLAB better/slower than C/C++的可能重复

@Wolfie 感谢您提供的链接，我已经检查过了，但我想知道犰狳库是否会减慢代码速度，就像我附加的代码一样。

为什么要使用库来帮助进行矩阵运算，然后手动完成矩阵运算？从 MATLAB 的角度来看，我不知道 C++/Armadillo syntax，但您肯定想在使用 Armadillo 时消除循环并执行 mat c1 = a1 + b1？

你的代码没有任何MATLAB，手头的问题和MATLAB有什么关系？

@MAh2014 不是用 C++ 开发 MATLAB 代码，而是用 C++ 做数学运算，与 MATLAB 无关。此外，MATLAB 是用于矩阵运算的最快代码，因为它在底层使用了高度优化的库。如果你认为你可以写出比 MATLAB 更快的线性代数代码，那么要么你错了，要么你会变得非常富有。我打赌它是第一个 ;)

【参考方案1】：

首先确保blas和lapack库已启用，Armadillo doc有说明。 第二件事是它可能是犰狳中更广泛的内存分配。如果您重组代码以首先进行内存初始化为

#include<iostream>
#include<math.h>
#include<chrono>
#include<armadillo>
using namespace std;
using namespace arma;
int main()
 
   double a[100][100];
   double b[100][100];
   double c[100][100];
   mat a1=ones(100,100);
   mat b1=ones(100,100);
   mat c1(100,100);

   auto start = std::chrono::high_resolution_clock::now();
   for (int i = 0; i < 100; i++)
     
       for (int j = 0; j < 100; j++)
         
           a[i][j] = 1;
           b[i][j] = 1;
           c[i][j] = a[i][j] + b[i][j];
         
     
   auto finish = std::chrono::high_resolution_clock::now();
   std::chrono::duration<double> elapsed = finish - start;
   std::cout << "Elapsed time: " << elapsed.count() << " s\n";

   auto start1 = std::chrono::high_resolution_clock::now();
   c1 = a1 + b1;
   auto finish1 = std::chrono::high_resolution_clock::now();
   std::chrono::duration<double> elapsed1 = finish1 - start1;
   std::cout << "Elapsed time: " << elapsed1.count() << " s\n";

   return 0;

这样我得到了结果：

Elapsed time: 0.000647521 s
Elapsed time: 0.000353198 s

我用（在 Ubuntu 17.10 中）编译它： g++ prog.cpp -larmadillo

【讨论】：

您是否建议使用犰狳将加速矩阵运算？您是否认为如果我使用犰狳将 matlab 矩阵运算转换为完全相同的 C++ 代码（矩阵运算主要是乘法）会加速吗？

如果您使用矩阵/向量运算，犰狳可能不会比 Matlab 快，但是如果您在 Matlab 中循环迭代计算，您将使用犰狳/C++ 获得性能。一个有趣的比较是在 Matlab 中做两个变体（循环和矩阵），在 Matlab 中的差异很可能比犰狳代码更大

但是它是用低级语言（C++）实现的，即使matlab在矩阵运算方面做得更好，它是否会导致更快的执行？

【参考方案2】：

我相信问题出在您根本没有使用犰狳。您独特地使用它来创建比 C++ 的普通 2D 数组更复杂的变量，但实际上仅此而已。 Armadillo 可以为您提供非常快速的矩阵运算，就像在c1=a1+b1; 中一样，没有循环。

但是，如果您只是将其编写为 elemetwise 操作，那么您就没有使用犰狳。它与使用 MATLAB 进行矩阵乘法相同，但要自己编写矩阵乘法。那你就不用MATLAB的库了！

【讨论】：

所以如果我删除循环并简单地添加矩阵，它必须比不使用犰狳更快，但事实并非如此。毕竟使用犰狳将matlab代码转换为C++会加快速度吗？我替换了没有循环的代码。

@MAh2014 不，将代码从 MATLAB 转换为犰狳一般不会加快速度，具体取决于您的问题。有时，取决于手头的任务，将 MATLAB 转换为低级语言可以加快速度。但是犰狳专门用于线性代数运算，MATrix LABoratory 软件在这方面做得非常好。但是，对于“它会更快”没有真正的答案，因为这在很大程度上取决于您的问题。