使用向量

Question

嗨，我是一名研究生，学习使用c ++进行科学计算。我们的一些研究集中在算法的速度上，因此构造足够快的数组结构非常重要。

我已经看到了两种构造3D阵列的方法。 第一个是使用向量库。

vector<vector<vector<double>>> a (isize,vector<double>(jsize,vector<double>(ksize,0)))

这给出了大小为isize x jsize x ksize的3D数组结构。

另一个是使用

构造一个包含大小为isize * jsize * ksize的一维数组的结构

new double[isize*jsize*ksize]。为了轻松访问（i，j，k）的特定位置，必须重载运算符（是吗？）。

根据我的经验，第一个要快得多，因为它可以轻松访问位置（i，j，k），而后一个必须计算位置并返回值。但是我看到有些人更喜欢后一个而不是第一个。他们为什么偏爱后者？使用第一个有什么缺点吗？

非常感谢。

Answer 1

两者之间的主要区别是布局：

UIVisualEffectView

这将为您提供vector<vector<vector<T>>> 的一维数组。
每个项目都是vector<vector<T>>的一维数组。
这些一维数组的每一项将是T的一维数组。

重点是vector<T>本身不存储其内容。它管理一块内存，并将内容存储在那里。这会带来许多不良后果：

1. 对于尺寸为X·Y·Z的矩阵，您最终将分配vector个内存块。那太慢了，会浪费掉堆。想象一下：大小为20的多维数据集矩阵将触发421次对1 + X + X·Y的调用！
2. 要访问一个单元格，您有3个间接级别：
   • 您必须访问new对象以获取指向顶级内存块的指针。
   • 然后您必须访问vector<vector<vector<T>>>对象以获取指向第二级内存块的指针。
   • 然后，您必须访问vector<vector<T>>对象以获取指向叶内存块的指针。
   • 然后您才能访问vector<T>数据。
3. 这些内存块将散布在堆中，从而导致大量的高速缓存未命中，并减慢了整体计算的速度。
4. 如果您在某个时候弄错了，可能会在矩阵中以不同长度结尾一些行。毕竟，它们是独立的一维数组。

另一方面，具有一个连续的内存块（如T）会给出：

1. 您分配了1个内存块。没有堆垃圾，O（1）。
2. 您只需访问指向内存块的指针，然后即可直接查找所需的元素。
3. 所有矩阵在内存中都是连续的，这对缓存友好。

这几天，一次缓存未命中意味着数十或数百个计算周期的损失，请不要低估缓存友好性。

顺便说一句，您可能没有提到更好的方法：使用众多矩阵库中的一个，它将自动为您处理并提供出色的支持工具（例如SSE加速矩阵操作）。 Eigen是此类库之一，但还有很多。

→您想进行科学计算吗？让一个lib处理样板和基础知识，以便您可以专注于科学计算部分。

Answer 2

在我看来，std::vector比普通的普通数组有太多优势。

简而言之，这里是一些：

• 使用std::vector创建内存泄漏要困难得多。仅此一点是最大的优势之一。这与性能无关，但应始终加以考虑。
• std::vector是STL的一部分。 C ++的这一部分是最常用的部分之一。成千上万的人使用STL，因此他们每天都会受到“测试”。在过去的几年中，他们进行了如此彻底的优化，因此不再缺乏任何性能。 （如果我看错了，请纠正我）
• 使用std::vector处理1、2、3很容易。没有指针处理任何事情……只需通过方法或使用[]-operator和其他方法访问它即可。

Answer 3

首先，直接在vec ^ 3中访问（i，j，k）的想法有些瑕疵。您所拥有的是一个指针结构，在此过程中需要取消对三个指针的引用。请注意，我不知道这是比计算一维数组中的位置快还是慢。您需要进行测试，并且这可能取决于数据的大小（尤其是是否适合大块数据）。

第二，向量^ 3需要指针和向量大小，这需要更多的内存。在很多情况下，这将是无关紧要的（因为图像呈三次方增长，但内存差异只是二次方），但是如果您的算法确实要填充任何可用的内存，那可能很重要。

第三，原始数组将所有内容存储在连续的内存中，这对于流式传输很有用，并且由于快速的高速缓存访​​问而对某些算法也很有用。例如，当您将一个3D图像添加到另一个时。

请注意，所有这些都与您可能不需要的超优化有关。 skratchi.at在他的答案中指出的矢量的优点非常强大，我还补充了矢量通常可以提高可读性的优点。如果您没有很好的理由不使用向量，请使用它们。

无论如何，如果您决定使用原始数组，请确保将其包装好，并使类小而简单，以应对有关泄漏等问题。

Answer 4

欢迎来到。

如果您拥有的一切都是两种选择，那么第一种可能会更好。

Prefer using STL array or vector instead of a C array

您应该避免使用C ++普通数组，因为您需要管理自己使用new/delete和其他样板代码（例如跟踪大小/校验范围）来分配/分配内存。用简单的话来说，“ C数组的安全性较差，与数组和向量相比没有任何优势。”

但是，第一种选择有一些重要的缺点。我想强调的是：

std::vector<std::vector<std::vector<T>>>

不是3维矩阵。在矩阵中，所有行的大小必须相同。另一方面，在“向量的向量”中，不能保证所有嵌套的向量都具有相同的长度。原因是向量是@spectras答案中指出的线性一维结构。因此，为避免各种不良行为或意外行为，您必须在代码中包括防护措施，以确保得到矩形不变。

幸运的是，第一种选择不是您手中可能只有的一种。

例如，您可以将c样式数组替换为std :: array：

const int n = i_size * j_size * k_size;

std::array<int, n> myFlattenMatrix;

或使用std::vector来改变矩阵尺寸。

通过3个坐标访问元素

关于您的问题

  

要轻松访问（i，j，k）的特定位置，操作员   超载是必要的（我对吗？）。

不完全是。由于std :: vector和array都没有3参数运算符，因此您不能重载它。但是您可以创建一个模板类或函数来为您包装它。无论如何，您都必须参考这三个向量或计算线性存储中元素的展平索引。

考虑不要在实验中使用像Eigen这样的第三方矩阵库

您不是将其编码用于生产，而是用于研究目的。特别是，您的研究完全是关于算法的性能。在那种情况下，我不建议绝对不要使用像Eigen这样的第三方库。当然，这取决于您愿意收集什么样的“算法速度”指标，但是例如Eigen会做很多事情（例如vectorization），而这些事情将具有对您的实验产生巨大影响。由于很难控制这些看不见的优化，因此这些库的功能可能会导致您得出关于算法的错误结论。

算法的性能和big-o表示法

通常，使用big-O approach分析算法的性能，而没有考虑实际花费的时间，硬件速度或编程语言特征等因素。 Adam Drozdek的著作“ C ++中的数据结构和算法”可以提供有关它的更多详细信息。