本征逐行加减性能

Question

在对程序进行性能分析时，我发现以下几行是瓶颈

// Some big nested loop
{
    const auto inpRow = inpMap.row(counter);
    outMap.row(adjRow) -= inpRow;
    outMap.row(colInd) += inpRow;
}

outMap和inpMap是Eigen::Map<Eigen::MatrixRX<Scalar>>，其中Eigen::MatrixRX定义为Eigen::Matrix<Scalar, -1, -1, Eigen::RowMajor>，即行主矩阵。

是否有一种方法可以改善此类操作的性能？ （当然parallel for除外）

Answer 1

您无能为力，因为这样的表达式应该已经被完全矢量化了。不过，这里有一些提示：

• 确保启用了编译器优化，-O3 -march=native
• 然后测量所需的时间并计算FLOPS，以了解与CPU的理论峰值性能之间的差距（为此实验禁用涡轮增压）
• 如果您离理论峰值很远，那么很可能会遭受高速缓存未命中的困扰。您可以通过将两个分配分成小于16kB的块来减少它们。您可能会因此而将速度提高到2倍。