C++ 如何避免特征值稀疏表达式中的内存分配

我有一个应用程序，其中稀疏模式是常量。假设我的计算是

sm3 = sm1 + sm2

然而，即使我在所有这些操作数中都设置了相同的稀疏模式，我的探查器显示大部分时间都花在分配和取消分配结果矩阵上

这是我的MWE：

#include <eigen3/Eigen/Sparse>
#include <iostream>

int main(int argc, char *argv[])
{
  using namespace Eigen;

  SparseMatrix<double> sm1(2, 2), sm2(2, 2), sm3(2, 2);

  // Populate sm1 and sm2
  sm1.insert(0,0) = 2.0;

  sm2.insert(1,1) = 3.0;

  // Compute the result pattern
  sm3 = sm1 + sm2;

  // Copy the augmented pattern into the operands
  sm1 = sm2 = sm3;

  // This loop triggers a lot of new[] and delete[] calls
  for(int i = 0; i < 1000; i++)
    sm3 = sm2 + sm1;
}

#包括
#包括
int main（int argc，char*argv[]）
{
使用名称空间特征；
SparseMatrix sm1（2,2），sm2（2,2），sm3（2,2）；
//填充sm1和sm2
sm1.插入（0,0）=2.0；
sm2.插入（1,1）=3.0；
//计算结果模式
sm3=sm1+sm2；
//将扩充模式复制到操作数中
sm1=sm2=sm3；
//此循环触发许多新[]和删除[]调用
对于（int i=0；i<1000；i++）
sm3=sm2+sm1；
}

---

可以避免这些分配操作吗？

这目前是不可能的，因为默认情况下稀疏矩阵被假定为别名。例如，如果您这样做：

m3 = m3 + m1;

由于

m1

模式未完全包含在

m3

模式中，因此无法直接在

m3

中计算表达式。在未来中，我们可以使用如下语法强制重新使用目标内存：

m3.noalias() = m1 + m2;

同时，由于矩阵很小，通过添加一些明确的零，您可以通过强制执行

m1

和

m2

的模式与

m3

的模式相同来解决问题，甚至获得更高的性能。然后，使用Eigen 3.3，可以将稀疏加法转换为密集向量加法：

m3.coeffs() = m1.coeffs() + m2.coeffs();

---

即使

m1

和

m2

之间的交集很小，您也会获得非常高的加速比（可能是一个数量级），因为您摆脱了内存间接寻址，并从矢量化中获益（不要忘了启用AVX，例如

-mavx

）。

sm3=sm2+sm1

将生成一个临时文件（

sm2+sm1

），销毁

sm3

，然后将临时文件复制到

sm3

。不

sm3=sm2；sm3+=sm1略微改进？
SparseMatrix
预计将用于10000x1000或更大的大型矩阵。对于这样的矩阵，new和delete的开销可以忽略不计。那么，你在研究什么样的矩阵尺寸？你有没有用分析器来衡量这种内存分配的成本？@RichardCriten:不幸的是，分配的数量是相同的。@ggael:我使用的矩阵要小得多，从100x100到700x700不等。在求解线性代数系统时，我通常使用稀疏技术来提高性能，但在整个程序中，我必须依靠这样的预处理技巧来保持模式。是的，我从一开始就分析了这个程序，因此我发现90%以上的时间都花在了new、calloc、free和delete上。我这样问是因为我已经看到，本征模式并不总是在分配时被丢弃，但我不知道如何强制执行。根据您的系统，您可以通过自己处理内存分配来获得良好的性能增益。如果您知道内存分配总是相同的大小，或者线程安全不是一个问题，等等，那么这些事情确实会对内存管理器的性能产生很大的影响。