使用Eigen的性能比使用我自己的类还要差

如何解决使用Eigen的性能比使用我自己的类还要差

| 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，而不是自己的类。 StackOverflow用户建议：布拉斯本征 BLAS 最初，我想使用uBLAS，但是阅读文档后发现，该库不支持矩阵-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-但是事实证明，现在我的应用程序比以前更慢地工作。使用EIGEN之前的时间为68秒，将我的矩阵类别交换为EIGEN之后的时间为87秒。程序中最耗时的部分看起来像这样

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();
}

如您所见，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的原因。不幸的是（如上所述），该程序的运行速度较慢。有什么办法可以加快这些功能？也许如果我使用DirectX矩阵运算，我会得到更好的性能？（但是我有一台带有集成显卡的笔记本电脑）。

解决方法

如果您使用的是Eigen的MatrixXd类型，则这些类型会动态调整大小。使用固定大小类型（例如Matrix4d，Vector4d）应该会得到更好的结果。另外，请确保您正在编译，以使代码可以向量化。请参阅相关的Eigen文档。关于使用Direct3D扩展库的内容（D3DXMATRIX等）的想法：对于图形几何（4x4转换等）来说可以（如果有点过时），但是肯定不是GPU加速的（只是很好的旧SSE），我认为）。另外，请注意，它仅是浮点精度（您似乎设置为使用双精度）。我个人更喜欢使用Eigen，除非我实际上在编写Direct3D应用程序。 , 确保已启用编译器优化功能（例如，在gcc上至少为-O2）。 Eigen包含大量模板，如果不启用优化，效果将不佳。 , 您应该先分析然后优化算法，然后再优化实现。特别是，发布的代码效率很低：

for (int i=0;i<pointVector.size();i++ )
{
   Eigen::MatrixXd outcome = (rotation*scale)* (*pointVector[i])  + translation;

我不知道这个库，所以我什至不会尝试猜测您正在创建的不必要的临时对象的数量，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（还有，可能是立即被丢弃的新的临时矩阵）。 , 您正在使用哪个版本的Eigen？他们最近发布了3.0.1，应该比2.x快。另外，请确保您对编译器选项有所了解。例如，确保在Visual Studio中使用了SSE： C / C ++->代码生成->启用增强指令集 , 有两点。当该乘积每次迭代具有相同的值时，为什么要在循环内乘以旋转*比例？那是很多浪费的精力。您正在使用动态大小的矩阵，而不是固定大小的矩阵。有人已经提到了这一点，您说您缩短了2秒。您正在传递参数作为指向矩阵的指针的向量。这增加了额外的指针间接寻址，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。我希望这不会侮辱您，但是您是在Release还是Debug中进行编译？ Eigen的调试版本非常慢，因为它使用了许多琐碎的模板化功能，这些功能已在发行版之外进行了优化，但仍保留在调试中。查看您的代码，我很犹豫归咎于性能问题。但是，大多数线性代数库（包括Eigen）并不是真正为您的大量微型矩阵用例设计的。通常，对于100x100或更大的矩阵，Eigen会得到更好的优化。使用您自己的矩阵类或DirectX数学帮助器类可能会更好。 DirectX数学类与视频卡完全独立。 , 回顾一下您以前的文章和其中的代码，我的建议是使用您的旧代码，但是通过四处移动来提高其效率。我正在发布上一个问题，以使答案分开。

使用Eigen的性能比使用我自己的类还要差

如何解决使用Eigen的性能比使用我自己的类还要差

解决方法

相关推荐