代码之家 › 专栏 › 技术社区 › Yippie-Ki-Yay

C++向量问题

vector boost performance c++

2

Yippie-Ki-Yay · 技术社区 · 15 年前

有人知道怎么加速吗 boost::numeric::ublas::vector ?

我正在使用 typedef ublas::vector<float, ublas::bounded_array<float, 3> > MYVECTOR3 把它的速度和 D3DXVECTOR3 简单操作。

测试过程如下:

#include <d3dx9.h>
#pragma comment(lib, "d3dx9.lib")

static const size_t kRuns = static_cast<size_t>(10e6);

TEST(Performance, CStyleVectors) {

   D3DXVECTOR3 a(1.0f, 2.0f, 3.0f);
   D3DXVECTOR3 b(2.0f, 3.0f, 1.0f);
   D3DXVECTOR3 c(6.0f, 4.0f, 5.0f);

   for (size_t i = 0; i < kRuns; ++i) {
      c = c + (a + b) * 0.5f;
   }
}

#include <boost/numeric/ublas/vector.hpp>

TEST(Performance, CppStyleVectors) {

   typedef boost::numeric::ublas::vector<float, 
      boost::numeric::ublas::bounded_array<float, 3> > MYVECTOR3;

   MYVECTOR3 a(3), b(3), c(3);
   a[0] = 1.0f, a[1] = 2.0f, a[2] = 3.0f;
   b[0] = 2.0f, b[1] = 3.0f, b[2] = 1.0f;
   c[0] = 6.0f, c[1] = 4.0f, c[2] = 5.0f;

   for (size_t i = 0; i < kRuns; ++i) {
      noalias(c) = c + (a + b) * 0.5f;
   }
}

结果如下:

[----------] 2 tests from Performance
[ RUN      ] Performance.CStyleVectors
[       OK ] Performance.CStyleVectors (484 ms)
[ RUN      ] Performance.CppStyleVectors
[       OK ] Performance.CppStyleVectors (9406 ms)
[----------] 2 tests from Performance (9890 ms total)

如您所见,普通的C样式向量比 boost::numeric::ublas 即使使用自定义的基于堆栈的分配器。有人知道我怎样才能加快速度吗?

也许是通过编写一个自定义包装器之类的东西?

谢谢你

3 回复 | 直到 15 年前

1

3

Tomek Szpakowicz 15 年前

BoostUBlas(通常还有BLAS)提供了对向量和矩阵代数的支持,其中维度的数量是在运行时确定的。它适用于解决某些数值问题(如有限元模拟或类似方法、优化问题、近似)。对于这些问题,它的速度相对较快,但在性能上无法与专业的竞争。三维矢量类库在它的地盘上。

使用其他库。如果d3dxvector3不够,请签出,例如cgal。

2

0

ravenspoint 15 年前

我认为,如果您使用手工编码的复制构造函数等将publias::vector类继承到专门的3D vector类中,可能会获得更好的性能。类似于此代码(使用double)

/**

  A 3D vector

*/
class c3d : public boost::numeric::ublas::bounded_vector<double, 3>
{
    typedef boost::numeric::ublas::bounded_vector<double, 3> Base_vector;
public:

    //  ctors
    c3d () : Base_vector()
    {}
    c3d (double x, double y, double z) : Base_vector()
    { Base_vector::iterator p = begin(); *p++=x; *p++=y; *p++=z;}
    template <class R> c3d (const boost::numeric::ublas::vector_expression<R>& r) : Base_vector(r)
    {}
    template <class R> void operator=(const boost::numeric::ublas::vector_expression<R>& r)
    { Base_vector::operator=(r); }
    template <class R> void operator=(const Base_vector& r)
    { Base_vector::operator=(r); }

3

0

ravenspoint 15 年前

我又看了一眼,发现加快速度的最好方法是重写

   for (size_t i = 0; i < kRuns; ++i) {
      c = c + (a + b) * 0.5f;
   }

作为

c = c + kRuns * ( a + b ) * 0.5f

这根本不需要时间。

当我使用简单的数组手工编写代码时,我的优化编译器显然会为“循环”在太短的时间内运行一百万次。

   float a[3], b[3], c[3];
   a[0] = 1.0f, a[1] = 2.0f, a[2] = 3.0f;
   b[0] = 2.0f, b[1] = 3.0f, b[2] = 1.0f;
   c[0] = 6.0f, c[1] = 4.0f, c[2] = 5.0f;

   for (size_t i = 0; i < KRUNS; ++i) {
       c[0] = c[0] + ( a[0] + b[0] ) * 0.5;
       c[1] = c[1] + ( a[1] + b[1] ) * 0.5;
       c[2] = c[2] + ( a[2] + b[2] ) * 0.5;
   }

不是你的吗?

使用ublas库会阻止优化器执行它的操作。运行此代码

   #define KRUNS 1000000
   typedef boost::numeric::ublas::vector<float, 
      boost::numeric::ublas::bounded_array<float, 3> > MYVECTOR3;

   MYVECTOR3 a(3), b(3), c(3);
   a[0] = 1.0f, a[1] = 2.0f, a[2] = 3.0f;
   b[0] = 2.0f, b[1] = 3.0f, b[2] = 1.0f;
   c[0] = 6.0f, c[1] = 4.0f, c[2] = 5.0f;

   for (size_t i = 0; i < KRUNS; ++i) {
      noalias(c) = c + (a + b) * 0.5f;
   }

需要63毫秒。我无法想象为什么你要花9400毫秒,不管你的机器有多慢。我又问了一次:您确定您已经打开了优化并链接到了发布库吗?