C++ 如何分析优化的代码并加速循环
我知道对未经优化编译的代码进行概要分析没有多大意义,但当我尝试使用C++ 如何分析优化的代码并加速循环,c++,profiling,gprof,C++,Profiling,Gprof,我知道对未经优化编译的代码进行概要分析没有多大意义,但当我尝试使用-Ofast编译代码并使用gprof对其进行概要分析时,我得到了一些无用的数据,例如,许多函数具有相同的time%,而没有调用35;信息: Flat profile: Each sample counts as 0.01 seconds. % cumulative self self total time seconds seconds call
-Ofast
编译代码并使用gprof
对其进行概要分析时,我得到了一些无用的数据,例如,许多函数具有相同的time%
,而没有调用35;
信息:
Flat profile:
Each sample counts as 0.01 seconds.
% cumulative self self total
time seconds seconds calls Ts/call Ts/call name
81.35 0.74 0.74 void cv::Mat::forEach_impl<cv::Vec<unsigned char, 3>, A_estimation(cv::Mat&, std::vector<cv::Mat, std::allocator<cv::Mat> >, int, int)::{lambda(cv::Vec<unsigned char, 3>&, int const*)#1}>(A_estimation(cv::Mat&, std::vector<cv::Mat, std::allocator<cv::Mat> >, int, int)::{lambda(cv::Vec<unsigned char, 3>&, int const*)#1} const&)::PixelOperationWrapper::operator()(cv::Range const&) const
10.99 0.84 0.10 void cv::Mat::forEach_impl<cv::Vec<float, 3>, Parallel_process::operator()(cv::Range const&) const::{lambda(cv::Vec<float, 3>&, int const*)#1}>(Parallel_process::operator()(cv::Range const&) const::{lambda(cv::Vec<float, 3>&, int const*)#1} const&)::PixelOperationWrapper::operator()(cv::Range const&) const
这是一个我想找到热点的代码示例。我发现它在代码中被称为46945
次的部分花费了53.86%
:
我从代码中提取了该函数,以便您可以编译它:
#include <opencv2/highgui.hpp>
#include <iostream>
typedef std::vector<std::vector<int> > Matrix;
std::vector<int> A_estimation(cv::Mat& src_temp, std::vector<cv::Mat> rgb, int cols, int rows)
{
//////////////////////////////
//cv::Mat histSum = cv::Mat::zeros( 256, 1, CV_8UC3 );
Matrix histSum(3, std::vector<int>(256,0));
//cv::Mat src_temp = src.clone();
//src_temp.convertTo(src_temp, CV_8UC3);
src_temp.forEach<cv::Vec3b>
(
[&histSum](cv::Vec3b &pixel, const int* po) -> void
{
++histSum[0][pixel[0]];
++histSum[1][pixel[1]];
++histSum[2][pixel[2]];
}
);
std::vector<int> A(3, 255);
[&A, rows, cols, &histSum]{
for (auto index=8*rows*cols/1000; index>histSum[0][A[0]]; --A[0])
index -= histSum[0][A[0]];
for (auto index=8*rows*cols/1000; index>histSum[1][A[1]]; --A[1])
index -= histSum[1][A[1]];
for (auto index=8*rows*cols/1000; index>histSum[2][A[2]]; --A[2])
index -= histSum[2][A[2]];
return A;
}();
return A;
//auto AA=A_estim_lambda();
}
int main(int argc, char* argv[])
{
cv::Mat src_temp = cv::imread(argv[1]);
auto rows=src_temp.rows,
cols=src_temp.cols;
std::vector<cv::Mat> rgb;
cv::split(src_temp, rgb);
auto A = A_estimation(src_temp, rgb, cols, rows);
//Do sth with A
}
执行
./test frame.jpg
我有两个问题:
这些信息是否正确,因为它们来自非优化代码?如果不正确,我如何编译优化代码?关于如何加速这些循环,有什么建议吗?你是否有相反的观点 首先,加速分为两类:编译器可以修复的事情和只有您可以修复的事情。优化器不会修复只有您才能修复的东西。此外,这不会使它们脱颖而出,因为加速比不会相加,而是相乘 第二,想想数字——时间的百分比或分数。 如果有一个加速,你可以修复(有,可能有几个),它需要一定的时间分数。比如说30%。
这意味着,如果您可以完全删除它,代码将在以前70%的时间内运行。加速系数将为100/70或1.43倍。
这也意味着,如果你只是随机手动暂停程序,则有30%的几率它将处于浪费的过程中。
因此,如果你只是手动暂停20次(不是很多次),浪费的事情将出现大约6次。如果您看到它在多次暂停时做了一些可以改进的事情,无论您如何描述它,您都发现了加速。
当然,它可能只浪费了25%,或者高达35%,但你在乎吗?提示:不,你不在乎,因为你发现了问题,这比确切知道它的成本更重要 在这里,你已经有了多个加速,这才是真正值得的。每次你修好的加速都不只是节省时间。它使两件事相乘:它使总加速系数相乘,它使每个剩余问题所需时间的分数相乘,使它们更加突出 这就是背后的原因
一旦你修正了加速比,就让优化器进行加速。你是否有相反的观点 首先,加速分为两类:编译器可以修复的事情和只有您可以修复的事情。优化器不会修复只有您才能修复的东西。此外,这不会使它们脱颖而出,因为加速比不会相加,而是相乘 第二,想想数字——时间的百分比或分数。 如果有一个加速,你可以修复(有,可能有几个),它需要一定的时间分数。比如说30%。
这意味着,如果您可以完全删除它,代码将在以前70%的时间内运行。加速系数将为100/70或1.43倍。
这也意味着,如果你只是随机手动暂停程序,则有30%的几率它将处于浪费的过程中。
因此,如果你只是手动暂停20次(不是很多次),浪费的事情将出现大约6次。如果您看到它在多次暂停时做了一些可以改进的事情,无论您如何描述它,您都发现了加速。
当然,它可能只浪费了25%,或者高达35%,但你在乎吗?提示:不,你不在乎,因为你发现了问题,这比确切知道它的成本更重要 在这里,你已经有了多个加速,这才是真正值得的。您修复的每一次加速都不仅仅是节省时间。它使两件事相乘:它使总加速系数相乘,它使每个剩余问题所需时间的分数相乘,使它们更加突出 这就是背后的原因
一旦你修正了加速比,让优化器进行加速。请发布一篇文章。现代编译器为这类事情生成最佳代码。加速它的最大希望是,如果你能重新考虑数据,使连续的内存访问倾向于命中同一缓存线。分析未优化的代码是徒劳的。您需要对实际应用程序进行全面优化。加速非优化代码的方法是对其进行优化。:-)否则,你可能会成为搜索容易看到东西的地方的受害者。猜测是
Mat::at
访问器在调试模式下进行范围检查,这就是它们出现在该列表中的原因。使它们更快对生产代码没有帮助。@JiveDadson我刚刚添加了一个代码示例。@BoPersson是的,这是我的问题,如何正确编译/配置它!请发一封信。现代编译器为这类事情生成最佳代码。加速它的最大希望是,如果你能重新考虑数据,使连续的内存访问倾向于命中同一缓存线。分析未优化的代码是徒劳的。您需要对实际应用程序进行全面优化。加速非优化代码的方法是对其进行优化。:-)否则,你可能会成为搜索容易看到东西的地方的受害者。猜测是Mat::at
访问器在调试模式下进行范围检查,这就是它们出现在该列表中的原因。使它们更快对生产代码没有帮助。@JiveDadson我刚刚添加了一个代码示例。@BoPersson是的,这是我的问题,如何正确编译/配置它!
g++ -std=c++1z -Wall -Weffc++ -Ofast test.cpp -o test -fopenmp `pkg-config --cflags --libs opencv`
./test frame.jpg