在 Matlab 中,我们使用 vectorization加速代码。例如,这里有两种执行相同计算的方法:
% Loop
tic
i = 0;
for t = 0:.01:1e5
i = i + 1;
y(i) = sin(t);
end
toc
% Vectorization
tic
t = 0:.01:1e5;
y = sin(t);
toc
结果是:Elapsed time is 1.278207 seconds. % For loop
Elapsed time is 0.099234 seconds. % Vectorization
所以矢量化代码几乎快了 13 倍。实际上,如果我们再次运行它,我们会得到:Elapsed time is 0.200800 seconds. % For loop
Elapsed time is 0.103183 seconds. % Vectorization
向量化代码的速度现在只有 2 倍,而不是 13 倍。所以看起来我们在第一次运行代码时获得了巨大的加速,但是在以后的运行中加速没有那么大,因为 Matlab 似乎知道 for 循环没有改变并且正在对其进行优化。在任何情况下,矢量化代码仍然是 for 循环代码的两倍。现在我已经开始使用 C++,我想知道这种语言中的矢量化。我们需要在 C++ 中对 for 循环进行矢量化还是它们已经足够快了?也许编译器会自动矢量化它们?实际上,我不知道 Matlab 类型向量化是否是 C++ 中的一个概念,也许它只是 Matlab 需要的,因为这是一种解释型语言?您将如何用 C++ 编写上述函数以使其尽可能高效?
最佳答案
Do we need vectorization in C++
不一定总是需要矢量化,但它可以使某些程序更快。
C++ 编译器支持自动矢量化,但如果您需要矢量化,那么您可能无法依赖这种优化,因为并非每个循环都可以自动矢量化。
are [loops] already fast enough?
取决于循环、 objective-c PU、编译器及其选项,而且至关重要的是:它需要多快。
您可以做一些事情来潜在地在标准 C++ 中实现矢量化:
std::parallel_unsequenced_policy
或 std::unsequenced_policy
. alignas
.请参阅 objective-c PU 的手册以了解您需要的对齐方式。 for (int i = 0; i < count; i += 4) { operation(i + 0); operation(i + 1); operation(i + 2); operation(i + 3); }
在标准的、可移植的 C++ 之外,还有具体的实现方式:
using v4si = int __attribute__ ((vector_size (16))); v4si a, b, c; a = b + 1; /* a = b + {1,1,1,1}; */ a = 2 * b; /* a = {2,2,2,2} * b; */
#pragma omp simd
的 API . 关于c++ - 我们是否需要在 C++ 中进行矢量化,或者 for 循环是否已经足够快?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/66100349/