如何使用針對Matlab的特征庫來加速此C ++程序？

Question

我想將C ++用於大型線性代數計算。 首先，我用C ++和matlab創建了這些比較程序。 我在這里也給了驚人的執行時間。 您能提出擊敗Matlab或至少獲得類似性能的方法嗎？ 我知道C ++使用高度矢量化的方法進行計算。 因此，在涉及線性代數的大型科學程序設計中，應該總是選擇Matlab而不是C ++嗎？ 我個人認為matlab不能為大型計算提供良好的性能，因此在這種情況下C ++優於matlab。 但是，我的程序結果與此信念背道而馳。

用gcc編譯的C ++程序：

#include <iostream>
#include <Eigen\Dense> //EIGEN library

using namespace Eigen;
using namespace std;

int main()
{
MatrixXd A;
A.setRandom(1000, 1000);

MatrixXd B;
B.setRandom(1000, 1000);

MatrixXd C;
C=A*B;
}

執行時間：24.141 s

這是matlab程序：

function [  ] = Trial(  )
clear all;
close all;
clc;

tic;
A=rand([1000,1000]);
B=rand([1000,1000]);
C=A*B;
toc

end

經過的時間是0.073883秒。

Answer 1

為了充分利用Eigen，請在啟用優化的情況下（例如-O3編譯器標志）進行編譯，在啟用OpenMP的情況下（例如-fopenmp）進行編譯，並禁用超線程，或者指定為openmp真正的物理核數（例如，導出OMP_NUM_THREADS =如果您有8個超線程“核心”，而有4個物理核心，則為4）。

最后，如果您的CPU確實支持FMA（例如-mfma），則也可以考慮使用devel分支並啟用AVX（例如-mavx）和FMA。

Answer 2

即使啟用了所有優化，也很難擊敗MATLAB 。 要充分利用Eigen您需要使用並行支持（ gcc -fopenmp進行gcc ，然后打開優化功能（ -O3 ）。 即使在這種情況下， MATLAB也會稍快一些，主要是因為它使用了Intel MKL專有庫來充分利用Intel芯片，因此，除非您購買它，否則我認為您將無法擊敗它。 我目前正在將Eigen用於一個項目，但無法擊敗MATLAB （至少不能用於密集矩陣乘法）。

例如，對於A*B ，其中A和B是1000 x 1000復雜矩陣，我可以獲得的最佳平均時間是：

MATLAB ：0.32秒本Eigen ：0.44秒

對於2000 x 2000 ，

MATLAB ：2.80秒本Eigen ：3.45秒

系統：MacbookPro 2013，OSX。

PS：您應該絕對確保打開優化（ -O3 ）並使用並行支持-fopenmp編譯。 這就是您可能在運行時間上獲得如此巨大差異的原因。 因此，您應將程序編譯為：

g++ -O3 -fopenmp <other compiling flags/parameters> main.cpp

Answer 3

實際上，Matlab（如果您不購買昂貴的並行計算工具箱）幾乎不使用多線程。 它僅在Matlab調用的庫中使用，可能比您現在使用的庫更有效。

您可以檢查此鏈接以了解（並檢查）您的Matlab使用哪些庫http://undocumentedmatlab.com/blog/math-libraries-version-info-upgrade

也可以在您的C程序中使用它們（盡管它們可能隱藏了標頭或其他內容，但至少您仍然擁有.dll，因為它們需要它們來運行Matlab）