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。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。