Question

我想用C ++进行大线性代数计算。作为开始步骤，我在C ++和matlab中创建了这些比较程序。我也在这里给出惊人的执行时间。你能否建议击败matlab或至少获得可比性能？我知道C ++使用高度向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，是否应该总是使用matlab而不是C ++？我个人认为matlab没有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，我的计划结果却违背了这一信念。

使用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

为了充分利用Eigen，在启用OpenMP（例如，-fopenmp）的情况下使用优化ON（例如，-O3）进行编译，并禁用多线程或指定openmp真实数量的物理内核（例如，导出）如果你有8个超线程“核心”，则OMP_NUM_THREADS = 4。

最后，如果你的CPU支持FMA（例如-mfma），你也可以考虑使用devel分支并启用AVX（例如-mavx）和FMA。

Answer 2

即使启用了所有优化，也很难击败MATLAB。为了充分利用Eigen，您需要使用并行支持（-fopenmp中的gcc）进行编译，并对（-O3）进行优化。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，所以除非你买它，否则我认为你不会击败它。我目前正在使用Eigen进行项目，并且无法击败MATLAB（至少不能用于密集矩阵乘法）。

例如，A*B其中A和B是1000 x 1000复杂矩阵，我可以得到的最佳平均时间是：

MATLAB：0.32秒 Eigen：0.44秒

2000 x 2000，

MATLAB：2.80秒 Eigen：3.45秒

系统：MacbookPro 2013，OS X。

PS：您应该确保在（-O3）上启用优化，并使用并行支持-fopenmp进行编译。这就是你可能在运行时间上获得巨大差异的原因。所以你应该把你的程序编译为：

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

Answer 3

实际上Matlab（如果你不买昂贵的并行计算工具箱）几乎不使用多线程。它只在Matlab调用的库中使用，它们可能比你现在使用的更有效。

您可以查看此链接以了解（并检查）您的Matlab使用的库http://undocumentedmatlab.com/blog/math-libraries-version-info-upgrade

它也可以在你的C程序中使用它们（虽然它们可能隐藏了标题或者某些东西，至少你还有.dll，因为它们需要它来运行Matlab）

如何使用针对matlab的特征库来加速这个C ++程序？

3 个答案: