C++ C++；特征库：Ref<；的性能开销&燃气轮机；

我正在使用计算力学的Egeng编写一个通用库， 主要处理6x6大小的矩阵和6x1大小的向量。 我考虑使用<代码> EGEN：：REF模板，使其也适用于片段和块，如在文件和

中所记载的那样。

然而，一个小的性能比较表明， > EGEN：：REF 相比于标准C++引用，这样的小函数具有相当大的开销：

#include <ctime>
#include <iostream>
#include "Eigen/Core"


Eigen::Matrix<double, 6, 6> testRef(const Eigen::Ref<const Eigen::Matrix<double, 6, 6>>& A)
{
    Eigen::Matrix<double, 6, 6> temp = (A * A) * A;
    temp.diagonal().setOnes();
    return temp;
}

Eigen::Matrix<double, 6, 6> testNoRef(const Eigen::Matrix<double, 6, 6>& A)
{
    Eigen::Matrix<double, 6, 6> temp = (A * A) * A; 
    temp.diagonal().setOnes();
    return temp;
}


int main(){

  using namespace std;

  int cycles = 10000000;
  Eigen::Matrix<double, 6, 6> testMat;
  testMat = Eigen::Matrix<double, 6, 6>::Ones();

  clock_t begin = clock();

  for(int i = 0; i < cycles; i++)
      testMat = testRef(testMat);

  clock_t end = clock();


  double elapsed_secs = double(end - begin) / CLOCKS_PER_SEC;

  std::cout << "Ref: " << elapsed_secs << std::endl;

  begin = clock();

  for(int i = 0; i < cycles; i++)
      testMat = testNoRef(testMat);
  end = clock();

  elapsed_secs = double(end - begin) / CLOCKS_PER_SEC;

  std::cout << "noRef : " << elapsed_secs << std::endl;


    return 0;
}

因此，

Eigen:：Ref

似乎有相当大的开销，至少在实际计算工作量较低的情况下是如此。 另一方面，如果传递了块或段，则使用

常数特征：：矩阵&A

的方法会导致不必要的拷贝：

#include <Eigen/Core>
#include <iostream>


void test( const Eigen::Vector3d& a)
{
    std::cout << "addr in function " << &a << std::endl;
}

int main () {

    Eigen::Vector3d aa;
    aa << 1,2,3;
    std::cout << "addr outside function " << &aa << std::endl;

    test ( aa ) ;
    test ( aa.head(3) ) ;


    return 0;
}

因此，这种方法不适用于一般情况

或者，可以使用

Eigen:：MatrixBase

制作函数模板，如文档中所述。然而，对于大型库来说，这似乎是低效的，并且不能像我的例子那样适应固定大小的矩阵（6x6，6x1）

还有其他选择吗？ 大型通用图书馆的一般建议是什么

提前谢谢你

编辑：根据注释中的建议修改第一个基准示例，使用

Ref

您将付出失去两个信息的代价（与矩阵相比）：

您不知道输入是内存对齐的

您失去了列顺序存储的编译时知识（因此两列之间用6个双精度分隔）

---

这是泛型和最高性能之间的经典折衷。

无法在我得到的

Ref:0.069

noRef:0.069

上进行优化复制。如果没有优化的性能很重要，那么yeah Eigen通常会有巨大的开销，但这种情况在启用优化的情况下（例如，

-O2

）会消失吗？如果不是，你的结果是不可信的，但如果。。。您的测试功能没有副作用。这就有一种危险，

Eigen:：Matrix temp=（A*A）被优化掉了。您应该返回值，将其存储在向量中，然后打印（测量后），以防止由于优化而导致的“vanashing”。查看汇编也有助于发现您的代码实际到达二进制的部分。基准测试无效，因为一旦启用优化，编译器就可以自由地完全删除函数体。我修改了基准测试示例并启用了优化。然而，一个不同之处仍然存在。@macmallow我仍然不能可靠地使它变慢。VS2017现在让它慢了很多，但如果我继续重复测试，同一测试中的速度差异似乎高于两者之间的平均值差异。在gcc中，我现在发现Ref大部分时间都更快。我想是时候看看compilerversion、CPU和EigenVersion了。因此，我可以得出结论，我应该坚持尽可能长的C++引用（即，只要临时副本被排除），并实现功能与REF仅在必要时？
#include <Eigen/Core>
#include <iostream>


void test( const Eigen::Vector3d& a)
{
    std::cout << "addr in function " << &a << std::endl;
}

int main () {

    Eigen::Vector3d aa;
    aa << 1,2,3;
    std::cout << "addr outside function " << &aa << std::endl;

    test ( aa ) ;
    test ( aa.head(3) ) ;


    return 0;
}

addr outside function 0x7fff85d75960
addr in function 0x7fff85d75960
addr in function 0x7fff85d75980