Matrix 特征向量矩阵乘法

我想使用库

Eigen

进行线性代数计算。特别是，我想用一个随机矩阵乘以一个随机向量。以下是我正在使用的代码：

#include <iostream>
#include <chrono>
#include <Eigen/Dense>

using namespace Eigen;

int main(){

    Eigen::initParallel();
    Matrix<unsigned int,Dynamic,Dynamic> A; A = Matrix<unsigned int,500,15500>::Random();
    Matrix<unsigned int,Dynamic, Dynamic> s; s= Matrix<unsigned int,1,500>::Random();
    Matrix<unsigned int,Dynamic,Dynamic> b;

    auto t1 = std::chrono::high_resolution_clock::now();

    b=s*A;

    auto t2 = std::chrono::high_resolution_clock::now();
    auto timeMult = std::chrono::duration_cast <std::chrono::microseconds>(t2 - t1).count();
    std::cout << "Result size: " << b.rows() << "x" << b.cols() << std::endl;
    std::cout << "Time for multiplication: " << timeMult << " microseconds" << std::endl;

    return 0;
}

我相信一切都很好（我没有检查实际结果），但它似乎真的很慢。为了给大家一个想法，我写了一个

C++

代码，它做了完全相同的事情，并显式地使用

thread

s，它的运行速度大约是我上面粘贴的代码的54倍！特别是，在我的机器上，它是286904微秒，而在我的

C++

code中是5300微秒

为什么它这么慢？如何使它更快

---

我不会发布我写的代码，因为它是一个更大的软件的一部分，用它来制作MWE需要很多工作。相反，我将描述它的作用：我为向量和矩阵定义了类，这些向量和矩阵包裹

std:：vector

s，然后为了进行乘法，我定义了一定数量的

thread

s，将矩阵分割成块，让每个

线程根据向量中的系数计算行的线性组合。每个
线程
将其部分结果写入另一行向量，最后将所有向量相加以获得最终结果。很简单。顺便说一句，我正在使用4个
线程
s，即使这个值可能会被优化。
除了将
-O2
或
-O3
添加到编译标志（如注释中所指出的），您应该将
s
和
b
的类型更改为
矩阵
。如果Eigen在编译时知道产品的一个因素是向量，那么它可以使用更快的产品实现。
在我的机器上，将执行时间从25392µs更改为4751µs

但是，目前矩阵向量积的多线程处理（Eigen 3.3rc1）对您没有好处。
将
-O2
或
-O3
添加到编译命令中。@AviGinsburg谢谢！我很尴尬我忘了这件事。。。无论如何，使用
-O2
，
-O3
甚至
-Ofast
时，时间不会低于21500微秒，仍然比我的代码慢4倍！是否要发布与之比较的代码？您也可以添加
-march=native
以提高性能（sse/avx），但生成的可执行文件将需要CPU上提供这些扩展。还有，什么版本的gcc，在什么平台上？@AviGinsburg有关代码，请参阅原始帖子中的编辑。至于编译器，我正在Ubuntu 12.04上使用
g++4.6.3
，这是个好主意！我确认执行时间现在大约是5300微秒，正好是C++代码。用EGIN 3.3，不要忘记<代码> -Maxe=原生< /代码>以获得AVX加速。
g++ -I. -Wall -std=c++0x -fopenmp main.cpp