注意:我也在Eigen论坛here
上发布了这个帖子我想用3x3矩阵预乘3xN矩阵,即转换3D点,如 p_dest = T * p_source
初始化矩阵后:
android.app.PendingIntent
我评估了这两个版本
android.content.Intent
和
Eigen::Matrix<double, 3, Eigen::Dynamic> points = Eigen::Matrix<double, 3, Eigen::Dynamic>::Random(3, NUMCOLS);
Eigen::Matrix<double, 3, Eigen::Dynamic> dest = Eigen::Matrix<double, 3, Eigen::Dynamic>(3, NUMCOLS);
int NT = 100;
NT重复只是为了计算平均时间
我很惊讶列按列乘法比直接乘法快4/5倍
(如果我不使用// eigen direct multiplication
for (int i = 0; i < NT; i++){
Eigen::Matrix3d T = Eigen::Matrix3d::Random();
dest.noalias() = T * points;
}
,直接乘法会更慢,但这很好,因为它正在进行临时复制)
我试图将NUMCOLS从0更改为1000000,并且该关系是线性的。
我正在使用Visual Studio 2013并在发布中进行编译
下图显示了X矩阵的列数,Y表示单个操作的平均时间,蓝色表示col乘以col乘,红色表示矩阵乘法
有关为何会发生这种情况的任何建议吗?
答案 0 :(得分:2)
您正在计算col乘法版本中的延迟(因此缺少)评估,而不是直接版本中的惰性(但已评估)评估。
让我们看一下完整的MCVE,而不是代码片段。首先,“你是”版本:
void ColMult(Matrix3Xd& dest, Matrix3Xd& points)
{
Eigen::Matrix3d T = Eigen::Matrix3d::Random();
for (int c = 0; c < points.cols(); c++){
dest.col(c) = T * points.col(c);
}
}
void EigenDirect(Matrix3Xd& dest, Matrix3Xd& points)
{
Eigen::Matrix3d T = Eigen::Matrix3d::Random();
dest.noalias() = T * points;
}
int main(int argc, char *argv[])
{
srand(time(NULL));
int NUMCOLS = 100000 + rand();
Matrix3Xd points = Matrix3Xd::Random(3, NUMCOLS);
Matrix3Xd dest = Matrix3Xd(3, NUMCOLS);
Matrix3Xd dest2 = Matrix3Xd(3, NUMCOLS);
int NT = 200;
// eigen direct multiplication
auto beg1 = std::chrono::high_resolution_clock::now();
for (int i = 0; i < NT; i++)
{
EigenDirect(dest, points);
}
auto end1 = std::chrono::high_resolution_clock::now();
std::chrono::duration<double> elapsed_seconds = end1-beg1;
// col multiplication
auto beg2 = std::chrono::high_resolution_clock::now();
for(int i = 0; i < NT; i++)
{
ColMult(dest2, points);
}
auto end2 = std::chrono::high_resolution_clock::now();
std::chrono::duration<double> elapsed_seconds2 = end2-beg2;
std::cout << "Direct time: " << elapsed_seconds.count() << "\n";
std::cout << "Col time: " << elapsed_seconds2.count() << "\n";
std::cout << "Eigen speedup: " << elapsed_seconds2.count() / elapsed_seconds.count() << "\n\n";
return 0;
}
使用此代码(并打开SSE),我得到:
Direct time: 0.449301
Col time: 0.10107
Eigen speedup: 0.224949
你抱怨的同样4-5减速。为什么?!?!在我们得到答案之前,让我们稍微修改一下代码,以便将dest
矩阵发送给ostream
。将std::ostream outPut(0);
添加到main()
的开头,然后 结束定时器添加outPut << dest << "\n\n";
和outPut << dest2 << "\n\n";
。 std::ostream outPut(0);
不输出任何内容(我很确定badbit已设置),但确实会导致Eigens operator<<
为called,这会强制对矩阵进行求值。< / p>
注意:如果我们使用outPut << dest(1,1)
,则dest
的评估仅足以输出col乘法方法中的单个元素。
然后我们
Direct time: 0.447298
Col time: 0.681456
Eigen speedup: 1.52349
正如预期的结果。请注意,Eigen direct方法采用精确(ish)相同的时间(意味着即使没有添加ostream
也进行了评估),而col方法突然花了更长的时间。