c++ - 如何在 Fastor 或 Xtensor 中编写快速的 c++ 惰性评估代码?
问题描述
我是 C++ 的新手,听说eigen、blaze、Fastor和Xtensor 等具有惰性求值和 simd 的库对于矢量化操作来说很快。
我通过以下函数测量了一些进行基本数值运算的时间:
(快速)
using namespace Fastor;
template<typename T, size_t num>
T func2(Tensor<T,num> &u) {
Tensor<T,num> z;
for (auto k=0; k<100; ++k){
z = u * u;
z /= exp(u+u);
z *= 1.;
z *= sin(u) * cos(z);
}
return z(last);
}
(Xtensor)
template<typename T, size_t num>
T func2(xt::xtensor_fixed<T, xt::xshape<num>> &u) {
xt::xtensor_fixed<T, xt::xshape<num>> z;
for (auto k=0; k<100; ++k){
z = u * u;
z /= xt::exp(u+u);
z *= 1.;
z *= xt::sin(u) * xt::cos(z);
}
return z(0);
}
编译标志:
(快速)
-std=c++14 -O3 -march=native -funroll-loops -DNDEBUG -mllvm -inline-threshold=10000000 -ffp-contract=fast -mfma -I/Path/to/Fastor -DFASTOR_NO_ALIAS -DFASTOR_DISPATCH_DIV_TO_MUL_EXPR
(Xtensor)
-std=c++14 -O3 -march=native -funroll-loops -DNDEBUG -mllvm -inline-threshold=10000000 -ffp-contract=fast -mfma -I/Path/to/xsimd/include/ -I/Path/to/xtl/include/ -I/Path/to/xtensor/include/ -I/Path/to/xtensor-blas/include/ -DXTENSOR_USE_XSIMD -lblas -llapack -DHAVE_CBLAS=1
编译器:Apple LLVM version 10.0.0 (clang-1000.11.45.5)
处理器:2.6 GHz Intel Core i5
为了比较,我还测量了用 python 编写的函数,它优化了numba.vectorize
@numba.vectorize(['float64(float64)'],nopython=True)
def func(x):
for k in range(100):
z = x * x
z /= np.exp(x + x)
z *= 1.0
z *= np.sin(x) * np.cos(x)
return z
结果(以 usec 为单位)表明
---------------------------------------
num | Fastor | Xtensor | numba
---------------------------------------
100 | 286 | 201 | 13
1000 | 2789 | 1202 | 65
10000 | 29288 | 20468 | 658
100000 | 328033 | 165263 | 3166
---------------------------------------
我做错什么了吗?Fastor 和 Xtensor 怎么会慢 50 倍。
如何通过使用auto
关键字来使用表达式模板和惰性求值?
谢谢你的帮助!
@Jérôme Richard 感谢您的帮助!
有趣的是,Fastor 和 Xtensor 无法忽略冗余的 for 循环。无论如何,我对每个数字运算进行了更公平的比较。
SIMD 的因子 2 也很有意义。
(快速)
template<typename T, size_t num>
T func_exp(Tensor<T,num> &u) {
Tensor<T,num> z=u;
for (auto k=0; k<100; ++k){
z += exp( u );
}
return z(0);
}
template<typename T, size_t num>
T func_sin(Tensor<T,num> &u) {
Tensor<T,num> z=u;
for (auto k=0; k<100; ++k){
z += sin( u );
}
return z(0);
}
template<typename T, size_t num>
T func_cos(Tensor<T,num> &u) {
Tensor<T,num> z=u;
for (auto k=0; k<100; ++k){
z += cos( u );
}
return z(0);
}
template<typename T, size_t num>
T func_add(Tensor<T,num> &u) {
Tensor<T,num> z=u;
for (auto k=0; k<100; ++k){
z += u;
}
return z(0);
}
template<typename T, size_t num>
T func_mul(Tensor<T,num> &u) {
Tensor<T,num> z=u;
for (auto k=0; k<100; ++k){
z *= u;
}
return z(0);
}
template<typename T, size_t num>
T func_div(Tensor<T,num> &u) {
Tensor<T,num> z=u;
for (auto k=0; k<100; ++k){
z /= u;
}
return z(0);
}
(Xtensor)
template<typename T, size_t nn>
T func_exp(xt::xtensor_fixed<T, xt::xshape<nn>> &u) {
xt::xtensor_fixed<T, xt::xshape<nn>> z=u;
for (auto k=0; k<100; ++k){
z += xt::exp( u );
}
return z(0);
}
template<typename T, size_t nn>
T func_sin(xt::xtensor_fixed<T, xt::xshape<nn>> &u) {
xt::xtensor_fixed<T, xt::xshape<nn>> z=u;
for (auto k=0; k<100; ++k){
z += xt::sin( u );
}
return z(0);
}
template<typename T, size_t nn>
T func_cos(xt::xtensor_fixed<T, xt::xshape<nn>> &u) {
xt::xtensor_fixed<T, xt::xshape<nn>> z=u;
for (auto k=0; k<100; ++k){
z += xt::sin( u );
}
return z(0);
}
template<typename T, size_t nn>
T func_add(xt::xtensor_fixed<T, xt::xshape<nn>> &u) {
xt::xtensor_fixed<T, xt::xshape<nn>> z=u;
for (auto k=0; k<100; ++k){
z += u;
}
return z(0);
}
template<typename T, size_t nn>
T func_mul(xt::xtensor_fixed<T, xt::xshape<nn>> &u) {
xt::xtensor_fixed<T, xt::xshape<nn>> z=u;
for (auto k=0; k<100; ++k){
z *= u;
}
return z(0);
}
template<typename T, size_t nn>
T func_div(xt::xtensor_fixed<T, xt::xshape<nn>> &u) {
xt::xtensor_fixed<T, xt::xshape<nn>> z=u;
for (auto k=0; k<100; ++k){
z /= u;
}
return z(0);
}
(努巴)
@numba.vectorize(['float64(float64)'],nopython=True)
def func_exp(u):
z = u
for k in range(100):
z += exp(u)
return z
@numba.vectorize(['float64(float64)'],nopython=True)
def func_sin(u):
z = u
for k in range(100):
z += sin(u)
return z
@numba.vectorize(['float64(float64)'],nopython=True)
def func_cos(u):
z = u
for k in range(100):
z += cos(u)
return z
@numba.vectorize(['float64(float64)'],nopython=True)
def func_add(u):
z = u
for k in range(100):
z += u
return z
@numba.vectorize(['float64(float64)'],nopython=True)
def func_mul(u):
z = u
for k in range(100):
z *= u
return z
@numba.vectorize(['float64(float64)'],nopython=True)
def func_div(u):
z = u
for k in range(100):
z *= u
return z
结果显示
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
unit [1E-6 sec] | exp | sin | cos | add | mul | div |
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| F | X | N | F | X | N | F | X | N | F | X | N | F | X | N | F | X | N |
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
n=100 | 135/135 | 38/38 | 10 | 162/162 | 65/32 | 9 | 111/110 | 34/58 | 9 | 0.07 | 0.06 | 6.2 | 0.06 | 0.05 | 9.6 | 0.06 | 0.05 | 9.6 |
n=1000 | 850/858 | 501/399 | 110 | 1004/961| 522/491 | 94 | 917/1021| 486/450 | 92 | 20 | 43 | 57 | 22 | 40 | 91 | 279 | 275 | 91 |
n=10000 | 8113 | 4160 | 830 | 10670 | 4052 | 888 | 10094 | 3436 | 1063 | 411 | 890 | 645 | 396 | 922 | 1011 | 2493 | 2735 | 914 |
n=100000 | 84032 | 46173 | 8743 | 104808 | 48203 | 8745 | 102868 | 53948 | 8958 | 6138 | 18803 | 5672 | 6039 | 13851 | 9204 | 23404 | 33485 | 9149 |
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
像这样的格式135/135
表示结果。without/with
-ffast-math
事实证明
- Fastor/Xtensor 在 , , 中的表现非常糟糕
exp
,sin
这cos
令人惊讶。 +=
Fastor/Xtensor 在,*=
,中的缩放比 Numba 差/=
。
这是 Fastor/Xtensor 的本质吗?
我将表达式修改为
template<typename T, size_t num>
auto func_exp2(Tensor<T,num> &u) {
Tensor<T,num> z=u + 100. * exp(u);;
return z;
}
template<typename T, size_t nn>
auto func_exp2(xt::xtensor_fixed<T, xt::xshape<nn>> &u) {
xt::xtensor_fixed<T, xt::xshape<nn>> z=u + 100.*xt::exp(u);
return z;
}
@numba.vectorize(['float64(float64)'],nopython=True)
def func_exp2(u):
z = u + 100 * exp(u)
return z
它给了
-----------------------------------------------------------------
unit [1E-6 sec] | Fastor | Xtensor | Numba |
-----------------------------------------------------------------
n=100 | 0.100 | 0.066 | 1.8 |
n=1000 | 0.073 | 0.057 | 3.6 |
n=10000 | 0.086 | 0.089 | 26.7 |
n=100000 | 0.056 | 0.065 | 275.7 |
-----------------------------------------------------------------
发生了什么?
- 为什么 Fastor/Xtensor 无法
100*exp(u)
通过惰性评估将 for 循环表达为天真的? - 为什么随着张量大小的增加 Fastor/Xtensor 变得更快?
解决方案
Numpy 实现更快的原因是它计算的东西与其他两个不同。
事实上,python 版本并没有z
在表达式中读取np.sin(x) * np.cos(x)
。因此,Numba JIT 足够聪明,只需执行一次循环即可证明 Fastor 和 Numba 之间的系数为 100。您可以通过替换range(100)
并range(10000000000)
观察相同的时间来检查。
最后,在这个基准测试中,XTensor 比 Fastor 更快,因为它似乎使用了自己的 exp/sin/cos的快速SIMD 实现,而 Fastor 似乎使用了 libm 的标量实现,证明 XTensor 和 Fastor 之间的因子为 2 是合理的。
回复更新:
Fastor/Xtensor 在 exp、sin、cos 方面的表现非常糟糕,这令人惊讶。
不,我们不能从基准中得出结论。您所比较的是编译器优化您的代码的能力。在这种情况下,Numba 比普通的 C++ 编译器要好,因为它处理高级 SIMD 感知代码,而 C++ 编译器必须处理来自 Fastor/Xtensor 库的大量基于模板的低级代码。从理论上讲,我认为 C++ 编译器应该可以应用与 Numba 相同的高级优化,但它更难。此外,请注意 Numpy 倾向于创建/分配临时数组,而 Fastor/Xtensor 不应该。
在实践中,Numba 更快,因为u
是一个常数exp(u)
,sin(u)
和 也是cos(u)
。因此,Numba 预先计算表达式(仅计算一次)并仍然在循环中执行求和。以下代码给出了相同的时间:
@numba.vectorize(['float64(float64)'],nopython=True)
def func_exp(u):
z = u
tmp = exp(u)
for k in range(100):
z += tmp
return z
我猜 C++ 实现由于惰性评估而不会执行此优化。在两个 github 项目上报告这个优化问题可能是个好主意。
此外,请注意u + u + ... + u
不严格等于,100 * u
因为浮点加法不是 associative。虽然-ffast-math
有助于克服这个问题,但编译器仍可能由于优化传递冲突而无法执行这种优化。例如,太多的迭代会阻止循环展开,从而阻止表达式的分解。
我强烈建议您执行更现实的基准测试。
Fastor/Xtensor 在 +=、*=、/= 中的扩展性比 Numba 差。
在这种情况下,Numba 可以用乘法代替常数除法(即1/u
可以预先计算)。除此之外,请注意 Fastor 和 Numba 彼此相对较近。
为什么 Fastor/Xtensor 无法通过惰性求值将 for 循环表达为天真的 100*exp(u)?
我认为惰性求值并不意味着表达式会自动分解/优化。这意味着只在需要时才计算结果。然而,表达式分解可能是一个很好的特性,可以在未来的 Fastor/Xtensor 版本中添加(显然还没有)。
为什么随着张量大小的增加 Fastor/Xtensor 变得更快?
我认为它们同样快,而不是更快(时间变化可能是噪音)。因此,我猜这些表达式实际上并没有计算出来。这可能是由于从未读取过的惰性评估。z
尝试使用return z(0);
而不是return z;
(前者强制评估表达式)。
推荐阅读
- python - 计算熊猫时间序列数据中最后3条记录的平均值
- angular - 将 ng-select 绑定到对象内部的对象
- spring-boot - 由于 Content-Type 标头,Multipart POST 在 Springboot 中不断失败
- javascript - 使用 gulp 进行版本控制
- java - 无法在 FTP 服务器上写入多个文件
- sql - Junits 测试用例 - HSQLDB count(...) over (partition ... order by ...)
- go - 存储有关结构的信息/参考
- powershell - Powershell Invoke-Command 失败,在本地可以正常工作
- sql-server - 来自其他表的计算列作为主键 SQL Server
- java - 通过终端在 open-liberty 上手动启动服务器