Question

我有一个算法需要在函数内部构造一个NxN矩阵，该函数将返回该矩阵的乘积，其中Nx1向量也是在运行中构建的。（N通常为8或9，但必须针对大于该值的值进行推广）。

我正在使用特征库来执行更复杂的代数运算（最小二乘和其他一些约束问题），因此切换它不是一种选择。

我对功能进行了基准测试，由于内存密集，存在巨大的瓶颈分配。我的目标是构建一个线程安全的应用程序，因此，在某些情况下，我用全局向量中的元素引用替换了这些矩阵和向量，该向量用作无法存储在堆栈中的对象的提供者。这避免了调用特征矩阵和向量的构造函数/析构函数，但它不是一个优雅的解决方案，如果不采取相当的谨慎，它可能会导致巨大的问题。

因此，Eigen是否提供了一种解决方法，因为我没有看到将分配器作为这些对象的模板参数传递的选项，还是有更明显的事情要做？

Answer 1

您可以以符合您需求的方式管理自己的记忆，并使用Eigen::Map代替Eigen::Matrix来执行计算。只需确保数据正确对齐或通知Eigen，如果不是。

有关详细信息，请参阅参考Eigen::Map。

这是一个简短的例子：

#include <iostream>
#include <Eigen/Core>


int main() {
    int mydata[3 * 4]; // Manage your own memory as you see fit
    int* data_ptr = mydata;

    Eigen::Map<Eigen::MatrixXi, Eigen::Unaligned> mymatrix(data_ptr, 3, 4);

    // use mymatrix like you would any another matrix
    mymatrix = Eigen::MatrixXi::Zero(3, 4);
    std::cout << mymatrix << '\n';

    // This line will trigger a failed assertion in debug mode
    // To change it see
    // http://eigen.tuxfamily.org/dox-devel/TopicAssertions.html
    mymatrix = Eigen::MatrixXi::Ones(3, 6);


    std::cout << mymatrix << '\n';
}

Answer 2

将我的意见收集到一个完整的想法中。我将尝试这样做。

因为eigen中的内存分配是IMO非常先进的东西，并且它们不会暴露很多地方。最好的办法是将特征对象本身包装到某种资源管理器中，就像OP一样。

我会把它变成一个简单的bin，它包含Matrix< Scalar, Dynamic, Dynamic>个对象。通过这种方式，您可以模拟Scalar类型，并拥有广义大小矩阵的管理器。

每当你调用一个对象时，你会检查你是否有一个所需大小的自由对象，然后返回对它的引用。如果没有，您分配一个新的。简单。如果要释放对象，则在资源管理器中将其标记为空。我不认为需要更复杂的东西，但当然可以实现更复杂的逻辑。

为了确保线程安全，我会在管理器中锁定。如果需要，在构造函数中初始化它。当然，需要锁定free和allocate。

但取决于工作时间表。如果线程在自己的数组上工作，我会考虑为每个线程创建一个资源管理器实例，这样它们就不会相互计时。问题是，如果您有12个核心在分配/解除分配上工作繁重，那么全局锁定或全局管理器可能会耗尽，并且有效地序列化您的应用程序。“/ p>

Answer 3

您可以尝试使用jemalloc或tcmalloc替换默认内存分配器。感谢LD_PRELOAD机制，很容易尝试。

我认为它也适用于大多数C ++项目。

Answer 4

您可以在使用operator new或operator new[]调用该函数之前为某些常见的矩阵大小分配内存，将void*指针存储在某处并让函数本身检索具有正确大小的内存块。之后，您可以使用placement new进行矩阵构造。详细信息在更有效的C ++ ，第8项中给出。

C ++特征矩阵运算与内存分配性能

4 个答案: