C++ 推进uBLAS矩阵积极慢

有没有办法提高boost ublas产品性能

我有两个矩阵A，B，我想对它们进行叠加

< Matlab与C++中，对于2000×2000矩阵运算

，得到以下次数[s]

OPERATION | MATLAB | C++ (MSVC10)
A + B     |  0.04  |  0.04
A - B     |  0.04  |  0.04
AB        |  1.0   | 62.66
A'B'      |  1.0   | 54.35

为什么这里会有如此巨大的性能损失

这些矩阵只是实数的双精度矩阵。 但我也需要正定，对称，矩形积

编辑： 代码很简单

matrix<double> A( 2000 , 2000 );
// Fill Matrix A
matrix<double> B = A;

C = A + B;
D = A - B;
E = prod(A,B);
F = prod(trans(A),trans(B));

矩阵A（20002000）；
//填充矩阵A
矩阵B=A；
C=A+B；
D=A-B；
E=产品（A，B）；
F=产品（反式（A）、反式（B））；

编辑2： 结果是10次试验的平均值。stddev小于0.005

我希望因子2-3可能是，但不是50（！）

编辑3： 一切都是在发布（NDEBUG/MOVE_SEMANTICS/）模式下进行的

编辑4：

---

为产品结果预先分配的矩阵不会影响运行时。

发布您的C+代码，以获取关于任何可能优化的建议

但是，您应该知道，Matlab对于其设计任务来说是高度专业化的，并且您不可能使用Boost来匹配它。另一方面，Boost是免费的，而Matlab显然不是

---

我相信，通过将uBlas代码绑定到底层LAPACK实现，可以获得最佳的性能提升。

您不知道内存管理在这里扮演什么角色

prod

必须分配一个32mb的矩阵，

trans

也必须分配两次，然后你要分配10次。拿一些看看它到底在做什么。我愚蠢的猜测是，如果你预先分配矩阵，你会得到更好的结果

其他加速矩阵乘法的方法有

• 预转置左侧矩阵，以便于缓存，以及

• 跳过零。只有当A（i，k）和B（k，j）都是非零时，才有任何贡献值

---

这是否是在uBlas中完成的是任何人的猜测。

有许多高效的BLAS实现，如ATLAS、gotoBLAS、MKL，请改用它们

我不挑代码，但猜测ublas:：prod（A，B）使用了三个循环，没有块，也不支持缓存。如果这是真的，prod（A，B.trans（））将比其他产品快得多

---

如果cblas可用，则使用cblas_dgemm进行计算。如果没有，您可以简单地重新排列数据、平均值、prod（A、B.trans（））。

您应该在矩阵乘法的左侧使用

noalias

，以消除不必要的副本

而不是

E=prod（A，B）使用
noalias（E）=产品（A，b）

从文件：

如果你肯定知道左手的表情和右手的表情
表达式没有公共存储，则赋值没有别名。A.
在这种情况下可以指定更有效的赋值：noalias（C）=
prod（A，B）这避免了创建临时矩阵，即
在正常任务中是必需的。”noalias的任务要求
左右两侧的尺寸应一致

一定要做一个干净的Matlab重新运行，它往往缓存。。。嗯，一切都好。完全不相关，但您应该能够从中获得良好的性能和简单的语法。（我对它与您的小基准测试的关系很感兴趣，提示：-）我希望乘法和加法的时间是2000倍。您记得为uBlas打开释放模式吗。请参阅本章末尾的常见问题解答[link=这表示您需要使用“-DNDEBUG”或其他一些标志来编译ublas以供发布。您不知道内存管理在这里扮演什么角色。
prod
必须分配一个32mb的矩阵，trans
也必须分配两次，然后您要执行所有这些操作10次。花点时间看看它真正在做什么。我愚蠢的猜测是，如果你预先分配矩阵，你会得到更好的结果。@Mike-
ublas
使用表达式模板，因此预先分配不太可能使事情更快，除非编码器故意浪费矩阵副本（这里不是这种情况）。+1“我相信，通过将uBlas代码绑定到底层LAPACK实现，可以获得最佳的Boost性能。”这是真正的答案。我非常确定Boost uBlas使用表达式模板来避免这种情况（或者至少应该这样）。