Question

这是一个相当理论化的问题，但我对它很感兴趣，如果有人对他或她愿意分享这方面的专业知识，我会很高兴。

我有一个带有2000行和600列的浮点矩阵，想要从每行中减去列的平均值。我测试了以下两行并比较了它们的运行时间：

MatrixXf centered = data.rowwise() - (data.colwise().sum() / data.cols());
MatrixXf centered = data.rowwise() - data.colwise().mean();

我想，mean()不会做一些不同于将每列的总和除以行数的事情，但是当我的计算机上第一行的执行需要12.3秒时，第二行的完成时间为0.09秒。

我正在使用Eigen version 3.2.6，目前是最新版本，我的矩阵按行主要顺序存储。

有人知道Eigen的内部结构可以解释这种巨大的性能差异吗？

编辑：我应该在上面的代码中添加data实际上是Eigen::Map< Eigen::MatrixXf<Eigen::Dynamic, Eigen::Dynamic, Eigen::RowMajor> >类型，并将Eigen的功能映射到原始缓冲区。

编辑2：根据GuyGreer的建议，我将提供一些示例代码来重现我的发现：

#include <iostream>
#include <chrono>
#include <Eigen/Core>
using namespace std;
using namespace std::chrono;
using namespace Eigen;

int main(int argc, char * argv[])
{
    MatrixXf data(10000, 1000), centered;
    data.setRandom();
    auto start = high_resolution_clock::now();
    if (argc > 1)
        centered = data.rowwise() - data.colwise().mean();
    else
        centered = data.rowwise() - (data.colwise().sum() / data.rows());
    auto stop = high_resolution_clock::now();
    cout << duration_cast<milliseconds>(stop - start).count() << " ms" << endl;
    return 0;
}

编译：

g++ -O3 -std=c++11 -o test test.cc

运行没有参数的结果程序，因此使用sum()，在我的机器上运行126秒，而使用test 1运行mean()只需要0.03秒！

编辑3：事实证明（参见注释），sum()不是花费这么长时间，而是将结果向量除以行数。所以新的问题是：为什么Eigen需要超过2分钟才能将一列1000个列除以一个标量？

Answer 1

不知何故，每次都重新计算部分减少（总和）和除法，因为php错误地丢失了关于部分减少的评估成本的一些关键信息...明确评估平均值修复了问题：

operator/

当然，此评估应由Eigen为您完成，由变更集42ab43a确定。此修复程序将成为下一个3.2.7和3.3版本的一部分。

为什么Eigens mean（）方法比sum（）快得多？

1 个答案: