c++ - 如何在 Eigen 中实现高性能分段线性传递函数？

Question

我需要一些帮助来优化分段线性传递函数的基于特征的实现(输出值等于输入但限制在一个范围内，在本例中为 [-0.5,0.5])。以下是我介绍的功能:

typedef float SignalT;
typdedef Eigen::Array<SignalT, Eigen::Dynamic, Eigen::Dynamic> Signal2D;
void ActivateSum(unsigned char const idx, Signal2D::ColXpr& outputSum)
{
    switch (idx)
    {
    case 0U:
        //Threshold
        outputSum = (outputSum >= (SignalT) 0.0).cast<SignalT>();
        break;
    case 1U:
        //Piecewise linear
        outputSum = outputSum.unaryExpr([](SignalT const elem)
        {
            if (elem >(SignalT) 0.5)
                return (SignalT) 0.5;
            else if (elem < (SignalT)-0.5)
                return (SignalT)-0.5;
            else
                return elem;
        }
        );
        break;
    case 2U:
        //Fast Sigmoid
        outputSum *= ((SignalT) 1.0 + outputSum.abs()).inverse();
        break;
    default:
        assert(0);
        throw;
    }
}

我的整个程序在每个 switch case 中花费了以下样本部分:

Threshold: 3.3%
Piecewise Linear: 18%
Fast Sigmoid: < 0.1%

快速 sigmoid 很少使用，但分段线性情况应该与阈值情况一样频繁出现(尽管我不知道如何使用 Visual Studio 测量它)。所以在我看来，我在那个分段线性一元表达式上花了很多时间，想知道是否有另一种方法来实现 Eigen 中的功能，也许是通过使用一些内置方法来加快速度.这是一个非常简单的传递函数，因此它在计算上确实应该非常便宜 - 我的猜测是，由于我的自定义 lambda，成本更多地与优化不佳有关。

想法？

编辑:到目前为止，由于 Leeor 的回答，我已经想到了这个:

case 1U:
    //Piecewise linear
    outputSum = outputSum.max((SignalT)-0.5).min((SignalT)0.5);
    break;

Answer 1

如果您现有的代码尚未以这种方式编译，请使用 FPU 最大和最小指令。

    outputSum = outputSum.unaryExpr( [] (SignalT elem)
    {
        return std::fmax( -0.5f, std::fmin( 0.5f, elem ) );
    }

Eigen 可能已经内置了这样的操作，但浏览文档并没有发现任何问题。