Question

我正在转换我自己的一些矢量代数代码，以使用优化的boost uBLAS库。但是，当我尝试进行SymmetricMatrix-SparseVector乘法时，我发现它比我自己的实现慢大约4倍。矢量大小通常在0-500左右，大约70-80％的条目为零。

这是我的代码

void CRoutines::GetA(double a[], double vectorIn[], int sparseVectorIndexes[], int vectorLength, int sparseLength)
{
    compressed_vector<double> inVec (vectorLength, sparseLength);
    for(int i = 0; i < sparseLength; i++)
    {
        inVec(sparseVectorIndexes[i]) = vectorIn[sparseVectorIndexes[i]];
    }
    vector<double> test = prod(inVec, matrix);
        for(int i = 0; i < vectorLength; i++)
    {
        a[i] = test(i);
    }
}

sparseVectorIndexes存储输入向量的非零值的索引，vectorLength是向量的长度，sparseLength是向量中的非零数。矩阵存储为对称矩阵symmetric_matrix<double, lower>。

我自己的实现是一个简单的嵌套循环迭代，其中矩阵只是一个2D双数组：

void CRoutines::GetA(double a[], double vectorIn[], int sparseVectorIndexes[], int vectorLength, int sparseLength)
 {
    for (int i = 0; i < vectorLength; i++)
    {
            double temp = 0;

            for (int j = 0; j < sparseLength; j++)
            {
                int row = sparseVectorIndexes[j];
                if (row <= i) // Handle lower triangular sparseness
                    temp += matrix[i][row] * vectorIn[row];
                else
                    temp += matrix[row][i] * vectorIn[row];
            }
            a[i] = temp;
    }

}

为什么uBLAS 4x更慢？我没有正确地写出乘法吗？还是有另一个更适合这个的图书馆吗？

编辑：如果我使用密集的矢量数组，那么uBLAS只会慢2倍......

Answer 1

uBlas的设计并没有考虑到第一个目标。有些库比uBlas快得多。参见例如http://eigen.tuxfamily.org/index.php?title=Benchmark

Answer 2

This pdf对各种线性代数库进行了非常详细的比较。我在this answer Computational Science Stack Exchange发现了这个问题，对于这类问题来说，这可能是一个更好的地方。

Answer 3

不确定是否是导致减速的原因（你是否得到了你的4x号码？）但是这个循环可能很慢：

for(int i = 0; i < vectorLength; i++)
    {
        a[i] = test(i);
    }

如果大部分时间花在处理代码中的循环上，那么这个额外的循环可能会使时间翻倍（并且与ublas无关）。我建议改为使用std::copy：

std::copy(test.begin(), test.end(), a[0])

大多数编译器应该看到这是复制double并执行最佳复制，这可能会在某种程度上解决您的问题。

uBLAS Slow Matrix-SparseVector乘法

3 个答案: