c++ - 如何使用 eigen 库针对 matlab 加速这个 C++ 程序？

Question

我想使用 C++ 进行大型线性代数计算。作为开始，我用 C++ 和 matlab 创建了这些比较程序。我在这里也给出了惊人的执行时间。您能否建议击败 matlab 或至少获得可比性能的方法？我知道 C++ 使用高度矢量化的方法进行计算。因此，在涉及线性代数的大型科学编程中，是否应该始终选择 matlab 而不是 C++？我个人认为 matlab 不能为大型计算提供良好的性能，因此在这种情况下 C++ 比 matlab 更受欢迎。然而，我的计划结果与这个信念背道而驰。

用gcc编译的C++程序:

#include <iostream>
#include <Eigen\Dense> //EIGEN library

using namespace Eigen;
using namespace std;

int main()
{
MatrixXd A;
A.setRandom(1000, 1000);

MatrixXd B;
B.setRandom(1000, 1000);

MatrixXd C;
C=A*B;
}

执行时间:24.141 秒

这是matlab程序:

function [  ] = Trial(  )
clear all;
close all;
clc;

tic;
A=rand([1000,1000]);
B=rand([1000,1000]);
C=A*B;
toc

end

耗时是 0.073883 秒。

Answer 1

要击败 MATLAB 是极其困难的，即使启用了所有优化。要充分利用 Eigen，您需要使用并行支持进行编译(gcc 中的 -fopenmp)，并打开优化( -O3).即使在这种情况下，MATLAB 也会稍微快一些，主要是因为它使用 Intel MKL 专有库来充分利用 Intel 芯片，所以除非你购买它，否则我认为你不会能够打败它。我目前正在为一个项目使用 Eigen 并且无法击败 MATLAB(至少不是密集矩阵乘法)。

例如，对于 A*B，其中 A 和 B 是 1000 x 1000 复数矩阵，我可以获得的最佳平均时间是:

MATLAB:0.32 秒 Eigen :0.44 秒

对于 2000 x 2000，

MATLAB:2.80 秒 Eigen :3.45 秒

系统:MacbookPro 2013，OS X。

PS:您应该绝对确保打开优化 (-O3) 并使用并行支持进行编译，-fopenmp。这就是您可能在运行时间上出现如此巨大差异的原因。所以你应该编译你的程序:

g++ -O3 -fopenmp <other compiling flags/parameters> main.cpp