Question

几周前我asked a question关于矩阵乘法的表现。

有人告诉我，为了提高程序的性能，我应该使用一些专门的矩阵类而不是我自己的类。

StackOverflow用户推荐：

uBLAS库
EIGEN
BLAS

起初我想使用uBLAS然而阅读documentation，结果证明这个库不支持矩阵 - 矩阵乘法。

毕竟我决定使用EIGEN库。所以我将我的矩阵类交换到Eigen::MatrixXd - 然而事实证明现在我的应用程序比以前更慢。使用EIGEN之前的时间是68秒，在将我的矩阵类交换到EIGEN矩阵程序后运行了87秒。

花费最多时间的程序部分看起来像那样

TemplateClusterBase* TemplateClusterBase::TransformTemplateOne( vector<Eigen::MatrixXd*>& pointVector, Eigen::MatrixXd& rotation ,Eigen::MatrixXd& scale,Eigen::MatrixXd& translation )
{   
    for (int i=0;i<pointVector.size();i++ )
    {
        //Eigen::MatrixXd outcome =
        Eigen::MatrixXd outcome = (rotation*scale)* (*pointVector[i])  + translation;
        //delete  prototypePointVector[i];      // ((rotation*scale)* (*prototypePointVector[i])  + translation).ConvertToPoint();
        MatrixHelper::SetX(*prototypePointVector[i],MatrixHelper::GetX(outcome));
        MatrixHelper::SetY(*prototypePointVector[i],MatrixHelper::GetY(outcome));
        //assosiatedPointIndexVector[i]    = prototypePointVector[i]->associatedTemplateIndex = i;
    }

    return this;
}

和

Eigen::MatrixXd AlgorithmPointBased::UpdateTranslationMatrix( int clusterIndex )
{
    double membershipSum = 0,outcome = 0;
    double currentPower = 0;
    Eigen::MatrixXd outcomePoint = Eigen::MatrixXd(2,1);
    outcomePoint << 0,0;
    Eigen::MatrixXd templatePoint;
    for (int i=0;i< imageDataVector.size();i++)
    {
        currentPower =0; 
        membershipSum += currentPower = pow(membershipMatrix[clusterIndex][i],m);
        outcomePoint.noalias() +=  (*imageDataVector[i] - (prototypeVector[clusterIndex]->rotationMatrix*prototypeVector[clusterIndex]->scalingMatrix* ( *templateCluster->templatePointVector[prototypeVector[clusterIndex]->assosiatedPointIndexVector[i]]) ))*currentPower ;
    }

    outcomePoint.noalias() = outcomePoint/=membershipSum;
    return outcomePoint; //.ConvertToMatrix();
}

如您所见，这些函数执行大量矩阵运算。这就是为什么我认为使用Eigen可以加速我的应用程序。不幸的是（正如我上面提到的），程序工作得更慢。

有没有办法加快这些功能？

也许如果我使用DirectX矩阵操作，我会获得更好的性能？（但我有一台带有集成显卡的笔记本电脑。）

Answer 1

如果您使用Eigen的MatrixXd类型，那么这些类型是动态大小的。使用固定尺寸类型，例如Matrix4d，Vector4d，您应该获得更多更好的结果。

另外，请确保您正在编译，以便代码可以进行矢量化;请参阅relevant Eigen documentation。

重新考虑使用Direct3D扩展库的东西（D3DXMATRIX等）：对于图形几何（4x4转换等）来说没关系（如果有点老式），但它肯定不是GPU加速的（我认为只是老旧的SSE））。另外，请注意它只是浮点精度（您似乎使用双精度设置）。我个人更喜欢使用Eigen，除非我实际编写Direct3D应用程序。

Answer 2

确保打开编译器优化（例如，gcc上至少为-O2）。如果不打开优化，Eigen的模板效率很高，效果不佳。

Answer 3

您应首先分析然后优化算法，然后再实施。特别是，发布的代码非常有效：

for (int i=0;i<pointVector.size();i++ )
{
   Eigen::MatrixXd outcome = (rotation*scale)* (*pointVector[i])  + translation;

我不知道这个库，所以我甚至不会尝试猜测你正在创建的不必要的临时数，而是一个简单的重构：

Eigen::MatrixXd tmp = rotation*scale;
for (int i=0;i<pointVector.size();i++ )
{
   Eigen::MatrixXd outcome = tmp*(*pointVector[i])  + translation;

可以为您节省大量昂贵的乘法（并且可能会立即丢弃新的临时矩阵。

Answer 4

您使用的是哪个版本的Eigen？他们最近发布了3.0.1，它应该比2.x更快。另外，请确保您使用编译器选项。例如，确保在Visual Studio中使用SSE：

C / C ++ - ＆gt;代码生成 - ＆gt;启用增强指令集

Answer 5

有几点。

为什么在每次迭代时该产品具有相同的值时，在循环内部将旋转*比例相乘？这是很多浪费的努力。
您使用的是动态大小的矩阵，而不是固定大小的矩阵。其他人已经提到了这一点，你说你刮了2秒。
您将参数作为指向矩阵的指针向量传递。这会增加额外的指针间接性并破坏数据局部性的任何保证，这会降低缓存性能。
我希望这不是侮辱，但你是在Release或Debug中进行编译吗？ Eigen在调试版本中非常慢，因为它使用了很多简单的模板化函数，这些函数在发布时进行了优化但仍保留在调试中。

看看你的代码，我对于因性能问题而责备Eigen犹豫不决。但是，大多数线性代数库（包括Eigen）并不是真正设计用于大量微小矩阵的用例。通常，Eigen将针对100x100或更大的矩阵进行更好的优化。使用自己的矩阵类或DirectX数学助手类可能会更好。 DirectX数学课程完全独立于您的视频卡。

Answer 6

回顾上一篇文章及其中的代码，我的建议是使用您的旧代码，但通过移动来提高效率。我在上一个问题上发帖，以便将答案分开。

使用Eigen比使用我自己的类更糟糕的表现

6 个答案: