如何针对matlab使用特征库加速这个C++程序？

Question

我想使用 C++ 进行大型线性代数计算。首先，我用 C++ 和 matlab 创建了这些比较程序。我也在这里给出了惊人的执行时间。您能否建议击败 matlab 或至少获得可比性能的方法？我知道 C++ 使用高度矢量化的方法进行计算。那么在涉及线性代数的大型科学编程中，是否应该始终使用 matlab 而不是 C++？我个人认为 matlab 不能为大型计算提供良好的性能，因此在这种情况下，C++ 比 matlab 更受欢迎。然而，我的计划结果与这种信念相反。

用 gcc 编译的 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;
}

执行时间：24.141 秒

这是matlab程序：

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

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

end

经过的时间是 0.073883 秒。

Answer 1

MATLAB即使打开了所有优化，它也很难被击败。要充分利用Eigen您需要使用并行支持 ( -fopenmpin gcc)进行编译，并打开优化 ( -O3)。即使在这种情况下，MATLAB也会稍微快一点，主要是因为它使用英特尔 MKL 专有库来充分利用英特尔芯片，所以除非您购买它，否则我认为您无法击败它。我目前正在Eigen用于一个项目并且无法击败MATLAB（至少不是用于密集矩阵乘法）。

例如，对于A*BwhereA和Bare1000 x 1000复杂矩阵，我能得到的最佳平均时间是：

MATLAB: 0.32 秒 Eigen: 0.44 秒

对于2000 x 2000，

MATLAB: 2.80 秒 Eigen: 3.45 秒

系统：MacbookPro 2013，OS X。

PS：您应该绝对确保您打开优化 ( -O3) 并使用并行支持进行编译，-fopenmp. 这就是您可能在运行时间上获得如此巨大差异的原因。所以你应该编译你的程序：

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

Answer 2

为了充分利用 Eigen，编译时启用优化（例如 -O3 编译器标志），启用 OpenMP（例如 -fopenmp），并禁用超线程或指定 openmp 的真实物理内核数（例如，export OMP_NUM_THREADS= 4 如果您有 8 个超线程“核心”，但有 4 个物理核心）。

最后，如果您的 CPU 支持 FMA（例如，-mfma），您还可以考虑使用 devel 分支并启用 AVX（例如，-mavx）和 FMA。