Question

我正在寻找使用Eigen进行简单操作的最快方法。有太多可用的数据结构，很难分辨哪个是最快的。

我试图预定义我的数据结构，但是即使那样，我的代码也仍然被类似的Fortran代码所超越。我猜想Eigen :: Vector3d满足我的需求是最快的（因为它已经预定义了），但是我很容易错了。在编译期间使用-O3优化对我有很大的帮助，但我的运行速度仍然比同一个代码的Fortran实现慢4倍。

我利用“原子”结构，然后将其存储在以下定义的“原子”向量中：

struct Atom {
    std::string element;
    //double x, y, z;
    Eigen::Vector3d coordinate;
};
std::vector<Atom> atoms;

我的代码最慢的部分如下：

distance = atoms[i].coordinate - atoms[j].coordinate;
distance_norm = distance.norm();

我可以使用更快的数据结构吗？还是有更快的方法来执行这些基本操作？

Answer 1

正如您在评论中指出的那样，添加-fno-math-errno编译器标志可以大大提高速度。至于发生这种情况的原因，您的代码片段显示您正在通过sqrt执行distance_norm = distance.norm();。

这使得编译器不会在每个ERRNO之后设置sqrt（这是对线程局部变量的保存写入），这更快和启用重复执行此操作的任何循环的矢量化。唯一的缺点是失去了IEEE遵循性。参见gcc man。

您可能想尝试的另一件事是添加-march=native并添加-mfma，如果-march=native不能为您打开它（我似乎记得在某些情况下不是） t由native打开，必须手动打开-check here for details）。与Eigen一样，您可以使用-DNDEBUG禁用边界检查。

SoA而不是AoS ！！！如果性能实际上是一个真正的问题，请考虑使用单个4xN矩阵存储位置（并让Atom保留列索引而不是Eigen::Vector3d）。在您显示的小代码片段中，这没什么大不了的，但是取决于您其余的代码，可能会给您带来另一个性能上的巨大提高。

Answer 2

鉴于您的速度是4倍，可能值得检查一下在编译时是否启用了矢量化功能，例如AVX或AVX2。处理双打时，当然也有SSE2（〜2x）和AVX512（〜8x）。

Answer 3

要么尝试使用其他编译器，例如Intel C ++编译器（免费用于学术和非营利性活动），要么使用其他库（例如Intel MKL）（比您自己的代码快得多），甚至使用其他BLAS / LAPACK实现来处理密集矩阵或PARDISO或SuperLU （不确定是否仍然存在）用于稀疏矩阵。

加快简单Eigen程序的基本方法

3 个答案: