我制作了一个简单的矩阵乘法程序，有两个矩阵 50000x50000 并将它们相乘。我使用库 eigen 和 matlab 在 C++ 中完成了此操作。然而，matlab 中的执行时间比使用 eigen 低。在使用 eigen 时，我将所有编译(可能还有运行)选项保留为默认值。
我知道 matlab 是作为矢量化程序构建的，它可以借助多处理器和并行化。但是，如果我想开发具有大型矩阵和线性代数的程序，是否有可能使用 eigen 库击败 matlab 的性能？或者必须使用专有的英特尔(或其他)库？有什么意见我们可以如何做到这一点吗？
最佳答案
即使打开所有优化，也很难击败 MATLAB。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击败它。我目前正在一个项目中使用 Eigen，但无法击败 MATLAB(至少对于密集矩阵乘法而言)。
例如，对于 A*B，其中 A 和 B 为 1000 x 1000 最佳平均时间我能得到的是:
MATLAB:0.32 秒
特征:0.44秒
对于2000 x 2000，
MATLAB:2.80 秒
特征:3.45秒
系统:MacbookPro 2013，OS X。
PS:我非常怀疑您是否能够对 50000x50000 矩阵进行乘法(至少在普通计算机上)，因为您将耗尽 RAM。
关于c++ - 在 C++ 中使用 'eigen' 库可以在大矩阵操作中击败 matlab 吗？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/24050403/