C++ gsl:：gsl_向量与std:：向量开销和效率

我正在考虑实现一个类似数组的容器，我不确定是使用gsl:：gsl_向量还是使用std:：向量。容器需要节省空间，但调用值的速度也非常快。该容器将在主程序中不断被引用，例如，将值输入到张量函数中，等等。我在集装箱里打了数十亿次电话

以下是我到目前为止考虑过的优点和缺点： gsl_vector非常方便，因为它允许我偶尔使用gsl BLAS库，

gsl_vector_get（…）

调用非常有效。另一方面，我可以使用stl迭代器获得几乎相同的调用速度，而且stl向量有一个我觉得非常自然的接口

在上面的代码中是否有我应该注意的内存开销/效率问题

---

此外，我目前正在使用一个

std:：vector

实现，以及一个迭代器来遍历std:：vector。在这里使用gsl_矩阵会更聪明吗？其思想是使用gsl_vector_视图来获得正确的向量，而不是迭代器。这会更有效吗？

一方面，使用gsl_向量确实可以使用gsl BLAS，这是一个很大的优势。另一方面，GSL接口对于C++程序员来说也是相当麻烦的。因此，这两种解决方案都不是真正令人满意的。然而，我非常喜欢使用gsl_矩阵，因为

（i） 通过一些努力，您可以编写一个小的包装器类来改进gsl_矩阵繁琐的C接口（要解决std:：vector中缺少BLAS库的问题要困难得多）

（ii）gsl_矩阵只是一维连续数组的包装，其中

m（i，j）=array[i*N+j]

用于平方矩阵（即使矩阵不是平方的，gsl_矩阵仍将其实现为一维数组）。在

std:：vector

中，您需要单独“malloc”每个gsl_向量，这意味着内存将不连续。这会影响性能，因为内存分配中缺少“空间局部性”通常会大幅增加缓存未命中率

如果您可以选择使用完全不同的解决方案，我将使用Blaze库中的StaticMatrix或DynamicMatrix类实现张量计算

为什么会着火

（i） StaticMatrix或DynamicMatrix接口比

std:：vector

或gsl_矩阵好得多

（ii）火焰是C++中最快的BLAS库。如果您有可用的“英特尔MKL”，它比gsl快（请记住，“英特尔MKL”比gsl BLAS快）。为什么会这样？因为Blaze使用了一种叫做“智能表达式模板”的新技术。基本上，德国的研究人员在一系列文章中显示了“表达式模板”技术，这是许多C++ BLAS库中的标准技术，对于矩阵运算（BLAS 3操作）来说是可怕的，因为编译器不能比低级代码更聪明。但是，“表达式模板”可以用作英特尔MKL等低级BLAS库的更智能的包装器。因此，他们创建了“智能表达式模板”技术，它只是您选择的低级blas库的包装。他们的基准令人震惊

---

有趣的是，ProjectX的基准测试结果是如何显示的，碰巧X的测试速度最快。Eigen的人也非常坚持他们的代码是好的，Armadillo自从在基准测试中使用的版本以来已经改变/改进了。你的里程可能会有所不同。它比犰狳快得多（你可以看到基准链接），因为正如我所说的blaze使用“智能表达式模板”。意思：Blaze仅将模板用作低级c代码blas库（如intel mkl）的包装器。Armadillo试图在编译时使用循环展开来计算矩阵运算（“表达式模板”的原始形式），我链接的论文表明，这远远不是最佳解决方案（仅使用编译器是无法打败英特尔mkl的！）。我认为Eigen使用了混合实现，但是Blaze也比Eigen快。是的。基准可能会有所不同。但“表达式模板”无法击败英特尔MKL（或任何其他c低级代码）的想法非常可靠。使用模板作为优化低级代码的包装比依靠编译器完成100%的工作要好得多。我认为所有的C++ BLAS都是在这一点上收敛的，这是“智能表达式模板”背后的想法。MKL恰好是多核的，但它不再是唯一的多核BLAS库。犰狳也会呼叫BLAS，因此可以使用MKL或OpenBLAS或其他您安装的工具。艾根通常会尝试自己的东西，而不是叫布拉斯。但是谢谢你给我的指向Blaze的指针，我会注意的。