如何解决如何在Fastor或Xtensor中编写快速的C ++惰性评估代码?
我是c ++的新手,听说 eigen , blaze , Fastor 和 Xtensor 带有惰性评估和simd的矢量化操作很快。
我通过以下函数测量了一些基本数字运算中的崩溃时间:
(快速)
using namespace Fastor;
template<typename T,size_t num>
T func2(Tensor<T,num> &u) {
Tensor<T,num> z;
for (auto k=0; k<100; ++k){
z = u * u;
z /= exp(u+u);
z *= 1.;
z *= sin(u) * cos(z);
}
return z(last);
}
(Xtensor)
template<typename T,size_t num>
T func2(xt::xtensor_fixed<T,xt::xshape<num>> &u) {
xt::xtensor_fixed<T,xt::xshape<num>> z;
for (auto k=0; k<100; ++k){
z = u * u;
z /= xt::exp(u+u);
z *= 1.;
z *= xt::sin(u) * xt::cos(z);
}
return z(0);
}
编译标志:
(快速)
-std=c++14 -O3 -march=native -funroll-loops -DNDEBUG -mllvm -inline-threshold=10000000 -ffp-contract=fast -mfma -I/Path/to/Fastor -DFASTOR_NO_ALIAS -DFASTOR_disPATCH_DIV_TO_MUL_EXPR
(Xtensor)
-std=c++14 -O3 -march=native -funroll-loops -DNDEBUG -mllvm -inline-threshold=10000000 -ffp-contract=fast -mfma -I/Path/to/xsimd/include/ -I/Path/to/xtl/include/ -I/Path/to/xtensor/include/ -I/Path/to/xtensor-blas/include/ -DXTENSOR_USE_XSIMD -lblas -llapack -DHAVE_CBLAS=1
编译器:Apple LLVM version 10.0.0 (clang-1000.11.45.5)
处理器:2.6 GHz Intel Core i5
为了进行比较,我还测量了用python编写的,由numba.vectorize
优化的函数
@numba.vectorize(['float64(float64)'],nopython=True)
def func(x):
for k in range(100):
z = x * x
z /= np.exp(x + x)
z *= 1.0
z *= np.sin(x) * np.cos(x)
return z
结果(以usec为单位)表明
---------------------------------------
num | Fastor | Xtensor | numba
---------------------------------------
100 | 286 | 201 | 13
1000 | 2789 | 1202 | 65
10000 | 29288 | 20468 | 658
100000 | 328033 | 165263 | 3166
---------------------------------------
我做错什么了吗? Fastor和Xtensor如何慢50倍?
如何通过使用auto
关键字来使用表达模板和惰性求值?
感谢您的帮助!
@杰罗姆·理查德(JérômeRichard) 感谢您的帮助!
有趣的是,Fastor和Xtensor如何无法忽略冗余的for循环。无论如何,我对每个数字运算进行了更公平的比较。
SIMD的因子2也很有意义。
(快速)
template<typename T,size_t num>
T func_exp(Tensor<T,num> &u) {
Tensor<T,num> z=u;
for (auto k=0; k<100; ++k){
z += exp( u );
}
return z(0);
}
template<typename T,size_t num>
T func_sin(Tensor<T,num> z=u;
for (auto k=0; k<100; ++k){
z += sin( u );
}
return z(0);
}
template<typename T,size_t num>
T func_cos(Tensor<T,num> z=u;
for (auto k=0; k<100; ++k){
z += cos( u );
}
return z(0);
}
template<typename T,size_t num>
T func_add(Tensor<T,num> z=u;
for (auto k=0; k<100; ++k){
z += u;
}
return z(0);
}
template<typename T,size_t num>
T func_mul(Tensor<T,num> z=u;
for (auto k=0; k<100; ++k){
z *= u;
}
return z(0);
}
template<typename T,size_t num>
T func_div(Tensor<T,num> z=u;
for (auto k=0; k<100; ++k){
z /= u;
}
return z(0);
}
(Xtensor)
template<typename T,size_t nn>
T func_exp(xt::xtensor_fixed<T,xt::xshape<nn>> &u) {
xt::xtensor_fixed<T,xt::xshape<nn>> z=u;
for (auto k=0; k<100; ++k){
z += xt::exp( u );
}
return z(0);
}
template<typename T,size_t nn>
T func_sin(xt::xtensor_fixed<T,xt::xshape<nn>> z=u;
for (auto k=0; k<100; ++k){
z += xt::sin( u );
}
return z(0);
}
template<typename T,size_t nn>
T func_cos(xt::xtensor_fixed<T,size_t nn>
T func_add(xt::xtensor_fixed<T,xt::xshape<nn>> z=u;
for (auto k=0; k<100; ++k){
z += u;
}
return z(0);
}
template<typename T,size_t nn>
T func_mul(xt::xtensor_fixed<T,xt::xshape<nn>> z=u;
for (auto k=0; k<100; ++k){
z *= u;
}
return z(0);
}
template<typename T,size_t nn>
T func_div(xt::xtensor_fixed<T,xt::xshape<nn>> z=u;
for (auto k=0; k<100; ++k){
z /= u;
}
return z(0);
}
(Numba)
@numba.vectorize(['float64(float64)'],nopython=True)
def func_exp(u):
z = u
for k in range(100):
z += exp(u)
return z
@numba.vectorize(['float64(float64)'],nopython=True)
def func_sin(u):
z = u
for k in range(100):
z += sin(u)
return z
@numba.vectorize(['float64(float64)'],nopython=True)
def func_cos(u):
z = u
for k in range(100):
z += cos(u)
return z
@numba.vectorize(['float64(float64)'],nopython=True)
def func_add(u):
z = u
for k in range(100):
z += u
return z
@numba.vectorize(['float64(float64)'],nopython=True)
def func_mul(u):
z = u
for k in range(100):
z *= u
return z
@numba.vectorize(['float64(float64)'],nopython=True)
def func_div(u):
z = u
for k in range(100):
z *= u
return z
结果显示
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
unit [1E-6 sec] | exp | sin | cos | add | mul | div |
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| F | X | N | F | X | N | F | X | N | F | X | N | F | X | N | F | X | N |
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
n=100 | 135/135 | 38/38 | 10 | 162/162 | 65/32 | 9 | 111/110 | 34/58 | 9 | 0.07 | 0.06 | 6.2 | 0.06 | 0.05 | 9.6 | 0.06 | 0.05 | 9.6 |
n=1000 | 850/858 | 501/399 | 110 | 1004/961| 522/491 | 94 | 917/1021| 486/450 | 92 | 20 | 43 | 57 | 22 | 40 | 91 | 279 | 275 | 91 |
n=10000 | 8113 | 4160 | 830 | 10670 | 4052 | 888 | 10094 | 3436 | 1063 | 411 | 890 | 645 | 396 | 922 | 1011 | 2493 | 2735 | 914 |
n=100000 | 84032 | 46173 | 8743 | 104808 | 48203 | 8745 | 102868 | 53948 | 8958 | 6138 | 18803 | 5672 | 6039 | 13851 | 9204 | 23404 | 33485 | 9149 |
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
135/135
之类的格式表示结果without/with
和-ffast-math
。
事实证明
- Fastor / Xtensor在
exp
,sin
,cos
中的表现确实很差,这令人惊讶。 - 在
+=
,*=
,/=
中,Fastor / Xtensor缩放比Numba差。
这是Fastor / Xtensor的本质吗?
我将表达式修改为
template<typename T,size_t num>
auto func_exp2(Tensor<T,num> z=u + 100. * exp(u);;
return z;
}
template<typename T,size_t nn>
auto func_exp2(xt::xtensor_fixed<T,xt::xshape<nn>> z=u + 100.*xt::exp(u);
return z;
}
@numba.vectorize(['float64(float64)'],nopython=True)
def func_exp2(u):
z = u + 100 * exp(u)
return z
它给出了
-----------------------------------------------------------------
unit [1E-6 sec] | Fastor | Xtensor | Numba |
-----------------------------------------------------------------
n=100 | 0.100 | 0.066 | 1.8 |
n=1000 | 0.073 | 0.057 | 3.6 |
n=10000 | 0.086 | 0.089 | 26.7 |
n=100000 | 0.056 | 0.065 | 275.7 |
-----------------------------------------------------------------
发生了什么事?
- 为什么Fastor / Xtensor无法通过惰性求值向朴素的
100*exp(u)
表达for循环? - 为什么随着张量大小的增加,Fastor / Xtensor变得更快?
解决方法
Numpy实现之所以快得多,是因为它与其他两个实现计算的东西不同。
实际上,python版本不读取表达式z
中的np.sin(x) * np.cos(x)
。结果,Numba JIT足够聪明,可以仅执行一次循环,从而证明Fastor和Numba之间的系数为100。您可以通过将range(100)
替换为range(10000000000)
并遵守相同的时间来进行检查。
最后,在本基准测试中,XTensor的速度比Fastor快,use its own fast SIMD implementation of exp/sin/cos似乎很快,{Fastor似乎use a scalar implementation from libm证明XTensor和Fastor之间的因数为2。
该更新的答案:
Fastor / Xtensor在exp,sin和cos方面表现很差,这令人惊讶。
不。我们不能从基准中得出结论。 您正在比较的是编译器优化代码的能力。在这种情况下,Numba比普通的C ++编译器要好,因为它处理的是可识别SIMM的高级代码,而C ++编译器则必须处理基于低级模板的巨大代码来自Fastor / Xtensor库。 从理论上讲,我认为C ++编译器应该有可能应用与Numba相同类型的高级优化,但这要困难得多。此外,请注意,Numpy倾向于创建/分配临时数组,而Fastor / Xtensor则不应。
实际上,Numba更快,因为u
是一个常数,exp(u)
,sin(u)
和cos(u)
也是一个常数。因此, Numba会预先计算表达式(仅计算一次),并且仍在循环中执行求和。以下代码给出了相同的时间:
@numba.vectorize(['float64(float64)'],nopython=True)
def func_exp(u):
z = u
tmp = exp(u)
for k in range(100):
z += tmp
return z
我估计由于延迟评估,C ++实现无法执行此优化。在两个github项目上报告此优化问题可能是个好主意。
此外,请注意,u + u + ... + u
与the floating-point addition is not associative并不严格等于100 * u
。尽管-ffast-math
可以解决此问题,但由于优化过程相互冲突,编译器仍可能无法执行这种优化。例如,太多的迭代会阻止循环展开,进而阻止表达式的因式分解。
我强烈建议您执行更现实的基准测试。
在+ =,* =,/ =中,Fastor / Xtensor缩放比Numba差。
在这种情况下,Numba可以用一个常数乘除以除法(即1/u
可以预先计算)。除此之外,请注意Fastor和Numba彼此相对靠近。
为什么Fastor / Xtensor无法通过惰性求值将for循环表达为幼稚的100 * exp(u)?
我认为惰性计算并不意味着表达式会自动分解 /优化。而是意味着仅在需要时才应计算结果。但是,表达因子分解可能是在以后的Fastor / Xtensor版本中添加的一个好功能(显然还没有)。
为什么Fastor / Xtensor随着张量大小的增加而变得更快?
我认为它们一样快,而不是更快(时序变化可能是噪音)。因此,我想这些表达式实际上并没有计算出来。这可能是由于惰性评估所致,因为从未读过z
。尝试使用return z(0);
而不是return z;
(前者强制对表达式求值)。
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。