- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我有一个非常简单的函数,它使用行主矩阵 (float**) 转换 vector (float*):
int vector_by_matrix(float** m, float* v, float* out, int size)
{
int i, j;
float temp;
if (!m || !v || !out) return -1;
for (i = 0; i < size; i++)
{
temp = 0;
for (j = 0; j < size; j++)
{
temp += m[i][j] * v[j];
}
//out[i] = temp * v[i]; MISTAKE DURING COPYING - SHOULD'VE BEEN...
out[i] = temp;``
}
return 0;
}
代码最初是使用 Visual Studio (2013) C++ 编译器编译为 C++ (x64);并且没有优化非常慢(该函数在运行期间被调用数百次/数千次并且系统的大小通常很大 c.size = 10000)。通过将优化设置为高 (O2) 并将浮点模式设置为快速,性能提升非常大 (x20)。但是,我决定将文件转换为 .c 源文件并再次使用 VS 编译为 C - 无论如何它都是简单的过程代码。无论是否进行优化,性能都会再次提高(超过优化的 C++ 编译)。事实上,优化设置对性能影响不大。
我不明白为什么 C 代码总是更快(优化/未优化)。我反汇编了 C(/C++) 编译器的输出,它看起来很可怕 - 我最初在 MASM 中编写了相同的函数,它大约是代码的五分之一,但在速度方面无法竞争。 VS 是否总是优化编译后的 C 代码?从反汇编代码看确实很像,但我不能确定。如果有帮助,我的 MASM 代码:
mul_vector_by_martix proc
mov r10, r9
sub rsp, 8
mov qword ptr[rsp], r11
LI:
MOV rbx, qword ptr[r10*8+rcx[0]-8]
XORPS xmm0, xmm0
mov r11, r9
LJ:
MOVSS xmm1, dword ptr[r11*4+rbx[0]-4]
MULSS xmm1, dword ptr[r11*4+rdx[0]-4]
ADDSS xmm0, xmm1
sub r11, 1
jnz LJ
MOVSS dword ptr[r10*4+r8[0]-4], xmm0
sub r10, 1
jnz LI
mov r11, qword ptr[rsp]
add rsp, 8
ret
mul_vector_by_martix endp
我不会提供反汇编代码 - 这个问题已经够长了 ;)
在此先感谢您的帮助。
我今天抽出时间再次研究这个问题。我已经实现了打包指令(当前实现只适用于系统大小是 4 的倍数的情况,否则你可能会崩溃):
mul_opt_vector_by_martix proc
sub rsp, 8
mov qword ptr[rsp], r12
sub rsp, 8
mov qword ptr[rsp], r13
; copy rdx for arithmetic operations
mov r10, rdx
; init static global
mov r12, LSTEP
cmp VSIZE, r9
je LOOPS
; get sizeof(vector)
mov rax, 4
mul r9
mov r12, rax
; get the number of steps in inner loop
mov r11, 16
mov rax, r12
div r11
mov r11, rax
mov r12, r11
mov rax, 16
mul r12
mov r12, rax
sub r12, 16
mov VSIZE, r9
mov LSTEP, r12
LOOPS:
LI:
MOV rbx, qword ptr[r9*8+rcx[0]-8]
XORPS xmm0, xmm0
mov r13, r12
LJ:
MOVAPS xmm1, xmmword ptr[r13+rbx[0]]
MULPS xmm1, xmmword ptr[r13+r10[0]]
; add the packed single floating point numbers together
MOVHLPS xmm2, xmm1
ADDPS xmm2, xmm1
MOVAPS xmm1, xmm2
SHUFPS xmm2, xmm2, 1 ; imm8 = 00 00 00 01
ADDSS xmm2, xmm1
ADDSS xmm0, xmm2
sub r13, 16
cmp r13, 0
JGE LJ
MOVSS dword ptr[r9*4+r8[0]-4], xmm0
sub r9, 1
jnz LI
mov r13, qword ptr[rsp]
add rsp, 8
mov r12, qword ptr[rsp]
add rsp, 8
ret
mul_opt_vector_by_martix endp
它改进了大约 20-30%,但同样无法与未优化的编译 C 代码竞争。内循环的反汇编代码:
sum += v[j] * m[i][j];
movsxd rax,r8d
add rdx,8
movups xmm0,xmmword ptr [rbx+rax*4]
movups xmm1,xmmword ptr [r10+rax*4]
lea eax,[r8+4]
movsxd rcx,eax
add r8d,8
mulps xmm1,xmm0
movups xmm0,xmmword ptr [rbx+rcx*4]
addps xmm2,xmm1
movups xmm1,xmmword ptr [r10+rcx*4]
mulps xmm1,xmm0
addps xmm3,xmm1
cmp r8d,r9d
jl vector_by_matrix+90h (07FEDD321440h)
addps xmm2,xmm3
movaps xmm1,xmm2
movhlps xmm1,xmm2
addps xmm1,xmm2
movaps xmm0,xmm1
shufps xmm0,xmm1,0F5h
addss xmm1,xmm0
在这一点上,我不得不承认我看不出 yield 在哪里。我没有费心将代码重建为 C++ 以查看程序集是否不同,但我怀疑在未优化模式下,C++ 并不像 C 对 VS 编译器那样适合快速代码。也许 Frankie_C 的观点是中肯的。但令人担忧的是,如果编译器正在做它不应该做的事情——不过我看不出有什么错误;以我的经验,任何一半体面的手写汇编都将胜过未优化的 C,但在这个编译器中不是这样。浮点运算需要严格控制精度问题,否则结果可能因一台机器而异,需要收敛的方法甚至可能由于不稳定而在一台机器上失败,但在另一台机器上失败。
更新 2============================================= ========================
这似乎变得非常安静,但我想如果我有任何改进,我会告诉大家。好吧,我可以通过重新安排循环中的一些操作来匹配编译器,如上次更新所示。很明显,只是将 - 打包 - 改组和添加移动到内部循环之外。同样由于“矢量化”的隐式大小,系统的大小必须是 4 的倍数(否则会崩溃)。
LOOPS:
LI:
MOV rbx, qword ptr[r9*8+rcx[0]-8]
XORPS xmm0, xmm0
mov r13, r12
LJ:
MOVAPS xmm1, xmmword ptr[r13+rbx[0]]
MULPS xmm1, xmmword ptr[r13+r10[0]]
; just add and accrue
ADDPS xmm0, xmm1
sub r13, 16
cmp r13, 0
jge LJ
;------------ moved this block to the outside --------------;
; add the packed single floating point numbers together
MOVHLPS xmm1, xmm0
ADDPS xmm1, xmm0
MOVAPS xmm0, xmm1
SHUFPS xmm1, xmm1, 1 ; imm8 = 00 00 00 01
ADDSS xmm0, xmm1
;--------------------end block---------------------------
MOVSS dword ptr[r9*4+r8[0]-4], xmm0
sub r9, 1
jnz LI
仍然无法击败编译器,但已经非常接近它了。我想结论是,即使是未优化的 C,也很难击败 VS 编译器——这不是我使用(未优化的代码)其他编译器(如 gcc)的经验。 我可以通过使用带有更多 xmm 寄存器的 SIMD 指令展开循环来超越编译器。我可以根据要求提供这个,但它可能是不言自明的。
最佳答案
基准测试比这更棘手一些。
例如,使用 clang,以下代码编译为 完全 main 中的相同代码,无论是否调用 vector_by_matrix
注释掉了。
#include <algorithm>
#include <numeric>
int main() {
using namespace std;
auto constexpr N = 512;
float* m[N];
generate_n(m, N, []{return new float[N];});
float v[N], out[N];
float start = 0.0;
for(auto& col : m) iota(col, col+N, start += 0.1);
iota(begin(v), end(v), -1.0f);
//vector_by_matrix(m, v, out, N);
for_each(begin(m), end(m), [](float*p) { delete[] p; });
}
编译器认识到没有可观察到的行为发生变化,因此它可以将事情排除在外。
当然,只要您实际检查装配,一切都应该没问题。 (虽然,如果将 vector_by_matrix
函数标记为文件静态,它甚至不会出现在列表中 :))。
但是,如果您要进行任何测量,请确保您使用的是统计上合理的分析,并且测量的是您认为正在测量的内容。
见汇编:
int vector_by_matrix(float** m, float *const v, float *out, int size) {
int i, j;
float temp;
if (!m || !v || !out)
return -1;
for (i = 0; i < size; i++) {
temp = 0;
for (j = 0; j < size; j++) {
temp += m[i][j] * v[j];
}
out[i] = temp * v[i];
}
return 0;
}
#include <algorithm>
#include <numeric>
int main() {
using namespace std;
auto constexpr N = 512;
float* m[N];
generate_n(m, N, []{return new float[N];});
float v[N], out[N];
float start = 0.0;
for(auto& col : m) iota(col, col+N, start += 0.1);
iota(begin(v), end(v), -1.0f);
vector_by_matrix(m, v, out, N); // NO DIFFERENCE IF COMMENTED
for_each(begin(m), end(m), [](float*p) { delete[] p; });
}
关于c++ - MASM 使用 VS 击败未优化的 .cpp 但不是未优化的 .c,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34833333/
我决定通过访问一个内部变量来解决 GNU libstdc++ 中的一个错误。回想起 Johannes 在他的博客上解决了这个问题,我检查了一下……但无法理解代码,除了获取静态初始化程序来完成肮脏工作的
多年后回到 C++;试图 catch C++11 和 14。我读过右值和移动语义。我以为我理解这个概念。显然不是。我看过几十个例子。但是我根本无法编译我的代码。我一定在示例中遗漏了一些明显的东西。由于
我正在用 celerybeat 运行 django+celery,但出现了这个错误 .../local/lib/python2.7/site-packages/celery/beat.py", lin
我已经阅读了很多关于 CORS/Lambda/AWS API 网关配置的内容,包括 AWS 的设置帮助: http://docs.aws.amazon.com/apigateway/latest/de
在页面加载的 asp.net Web 应用程序中,我获取当前页面 url 并将其存储在 session 变量中以跟踪用户所在的页面,以便他们在进入管理区域时可以返回到该页面,进行一些导航等。然后他们可
这个问题不太可能对任何 future 的访客有帮助;它只与一个较小的地理区域、一个特定的时间点或一个非常狭窄的情况相关,通常不适用于全世界的互联网受众。如需帮助使此问题更广泛适用,visit the
在 Swift 中,我正在尝试构建一个大型项目集合。在移动中在 CoreData 中创建元素时,速度非常快。然而,当试图为这些项目保留索引时,创建数组 Swift 会对性能产生很大影响。下面的代码是
我有一个定期任务,我正在使用 worker 在 heroku procfile 上实现: Procile web: gunicorn voltbe2.wsgi --log-file - --log-l
我正在用 C# 编写一个应用程序,该应用程序使用 Office Outlook Interop(2010;版本 14)通过 MAPI 访问电子邮件数据。 到目前为止,我必须在 Outlook 的“程序
显然,sun.net.www.protocol.http.HttpURLConnection 将始终将“Java/version”附加到 UserAgent。因此,JSoup Connection.u
我是一名优秀的程序员,十分优秀!