如何解决本征多维数据集根的性能改进
我确实使用Valgrind(使用“发布带有调试信息的版本”版本)对我的代码进行了分析,结果发现,我花了相当多的时间(〜25%)花费在计算行的元素级立方根上一个大矩阵。 现在,如果可能的话,我想加快这一步。
当前,我只是在使用.pow( 1.0 / 3.0)
。我想知道是否可以通过使用std::cbrt()
来改善这一点?但是,如何将这个函数传递给Eigen以便进行元素级三次方求根?
#include "iostream"
#include "eigen-3.3.7/Eigen/Dense"
using namespace Eigen;
int main() {
// generate some random numbers
VectorXd v = VectorXd::Random(10).array().abs() ;
std::cout << v << std::endl << std::endl ;
// calculate the cubic root
VectorXd s = v.array().pow( 1.0 / 3.0 );
std::cout << s << std::endl;
}
解决方法
您可以使用DenseBase::unaryExpr
和C ++ lambda:
VectorXd s = v.unaryExpr([](double coeff){ return std::cbrt(coeff); });
使用Google Benchmark的小型基准测试:
#include <Eigen/Dense>
#include <benchmark/benchmark.h>
using namespace Eigen;
static void BM_Pow(benchmark::State& state)
{
VectorXd v = VectorXd::Random(state.range(0)).array().abs();
VectorXd s;
for (auto _ : state) {
benchmark::DoNotOptimize(s = v.array().pow( 1.0 / 3.0 ));
benchmark::ClobberMemory();
}
}
static void BM_Cbrt(benchmark::State& state)
{
VectorXd v = VectorXd::Random(state.range(0)).array().abs();
VectorXd s;
for (auto _ : state) {
benchmark::DoNotOptimize(s = v.unaryExpr([](double coeff){ return std::cbrt(coeff); }));
benchmark::ClobberMemory();
}
}
BENCHMARK(BM_Pow) -> Range(4,10000);
BENCHMARK(BM_Cbrt) -> Range(4,10000);
BENCHMARK_MAIN();
使用-O3
进行编译会在我的计算机上显示以下内容:
-----------------------------------------------------
Benchmark Time CPU Iterations
-----------------------------------------------------
BM_Pow/4 69 ns 69 ns 10099698
BM_Pow/8 134 ns 134 ns 5391874
BM_Pow/64 1043 ns 1043 ns 673401
BM_Pow/512 8476 ns 8474 ns 82371
BM_Pow/4096 68708 ns 68702 ns 10839
BM_Pow/10000 160833 ns 160566 ns 4222
BM_Cbrt/4 23 ns 23 ns 31538209
BM_Cbrt/8 45 ns 45 ns 15129345
BM_Cbrt/64 358 ns 358 ns 1968338
BM_Cbrt/512 2810 ns 2809 ns 254678
BM_Cbrt/4096 23926 ns 23855 ns 31430
BM_Cbrt/10000 55692 ns 55568 ns 12765
所以这似乎值得。
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。