相关疑难解决方法(0)

在运行时性能方面,在Java中将int转换为short是多么昂贵？可能有成千上万的这样的铸造,因此我想知道它是否会影响性能.谢谢.

对于那些已经测量过或对此类注意事项有深入了解的人，假设您必须执行以下操作（仅选择任何示例）浮点运算符：

float calc(float y, float z)
{ return sqrt(y * y + z * z) / 100; }

哪里y和z可能是非正规数，让我们假设两种可能的情况，其中只有 y，只有 z，或者两者，以完全随机的方式，可以是非正规数

• 50%的时间
• <1% 的时间

现在假设我想避免处理非正规数的性能损失，我只想将它们视为 0，然后通过以下方式更改该段代码：

float calc(float y, float z)
{
   bool yzero = y < 1e-37;
   bool zzero = z < 1e-37;
   bool all_zero = yzero and zzero;
   bool some_zero = yzero != zzero;

   if (all_zero)
      return 0f;

   float ret;

   if (!some_zero) ret = sqrt(y * y + z * z);
   else if (yzero) …

当 NEON 向量指令在 ARM 设备上可用时，我一直在寻找复制各种数据量的快速方法。

我做了一些基准测试，并得到了一些有趣的结果。我试图理解我所看到的东西。

我有四个版本来复制数据：

1. 基线

逐个元素复制：

for (int i = 0; i < size; ++i)\n{\n    copy[i] = orig[i];\n}\n

2. 霓虹灯

此代码将四个值加载到临时寄存器中，然后将该寄存器复制到输出。

因此，负载数量减少了一半。可能有一种方法可以跳过临时寄存器并将负载减少四分之一，但我还没有找到方法。

int32x4_t tmp;\nfor (int i = 0; i < size; i += 4)\n{\n    tmp = vld1q_s32(orig + i); // load 4 elements to tmp SIMD register\n    vst1q_s32(&copy2[i], tmp); // copy 4 elements from tmp SIMD register\n}\n

3. 阶梯式memcpy,

使用memcpy，但一次复制 4 …

最近，我和一位同事就 python 和 C++ 的性能比较进行了争论。我们俩主要使用这些语言来进行线性代数。所以我写了两个脚本，一个在 python3 中使用 numpy，另一个在 C++ 中使用 Eigen。

Python3 numpy版本matmul_numpy.py：

import numpy as np
import time
a=np.random.rand(2000,2000)
b=np.random.rand(2000,2000)
start=time.time()
c=a*b
end=time.time()
print(end-start) 

如果我运行这个脚本

python3 matmul_numpy.py

这将返回：

0.07 seconds

C++ 特征版本 matmul_eigen.cpp：

#include <iostream>
#include <Eigen/Dense>
#include "time.h"
int main(){
        clock_t start,end;
        size_t n=2000;
        Eigen::MatrixXd a=Eigen::MatrixXd::Random(n,n);
        Eigen::MatrixXd b=Eigen::MatrixXd::Random(n,n);
        start=clock();
        Eigen::MatrixXd c=a*b;
        end=clock();
        std::cout<<(double)(end-start)/CLOCKS_PER_SEC<<std::endl;
        return 0;}

我编译的方式是

g++ matmul_eigen.cpp -I/usr/include/eigen3 -O3 -march=native -std=c++17 -o matmul_eigen

这将返回（c++11 和 c++17）：

0.35 seconds

这对我来说很奇怪，1-为什么 numpy 这里比 C++ 更快？我是否缺少任何其他优化标志？

我想也许是因为 python 解释器在这里执行程序更快。因此，我使用stacks …

为了满足高性能数学库的需求，我一直在对各种方法进行基准测试，以在 Rust vec 上进行就地操作（最好通过引用）。这些方法是：

• 使用显式 for 循环
• 使用迭代器，然后使用 a map()，收集到一个新的 vec，并覆盖现有的
• 使用迭代器然后使用for_each()

这是基准测试代码：

use std::time::{Instant, Duration};

const N_ITEMS: usize = 100000;
const N_BENCH_TIMES: i32 = 100;

fn bench_simple() {
    let mut a: Vec<i32> = vec![5; N_ITEMS];
    for i in a.iter_mut() {
        *i += 1;
    }
}

fn bench_iterator() {
    let mut a: Vec<i32> = vec![5; N_ITEMS];
    let a: Vec<i32> = a.iter_mut().map(|x| *x + 1).collect();
}

fn bench_foreach() {
    let mut a: Vec<i32> = vec![5; N_ITEMS];
    a.iter_mut().for_each(|x| *x += …