使用 Eigen 的性能比使用我自己的类更差

Question

几周前，我问了一个关于矩阵乘法性能的问题。

有人告诉我，为了提高程序的性能，我应该使用一些专门的矩阵类而不是我自己的类。

StackOverflow 用户推荐：

• uBLAS
• EIGEN
• BLAS

起初我想使用 uBLAS 但是阅读 文档 事实证明，这个库不支持矩阵-矩阵乘法。

毕竟我决定使用 EIGEN 库。因此，我将矩阵类交换为 Eigen::MatrixXd - 但事实证明，现在我的应用程序运行速度比以前还要慢。 使用 EIGEN 之前的时间为 68 秒，将我的矩阵类交换为 EIGEN 矩阵程序后运行了 87 秒。

程序中花费最多时间的部分如下所示

TemplateClusterBase* TemplateClusterBase::TransformTemplateOne( vector<Eigen::MatrixXd*>& pointVector, Eigen::MatrixXd& rotation ,Eigen::MatrixXd& scale,Eigen::MatrixXd& translation )
{   
    for (int i=0;i<pointVector.size();i++ )
    {
        //Eigen::MatrixXd outcome =
        Eigen::MatrixXd outcome = (rotation*scale)* (*pointVector[i])  + translation;
        //delete  prototypePointVector[i];      // ((rotation*scale)* (*prototypePointVector[i])  + translation).ConvertToPoint();
        MatrixHelper::SetX(*prototypePointVector[i],MatrixHelper::GetX(outcome));
        MatrixHelper::SetY(*prototypePointVector[i],MatrixHelper::GetY(outcome));
        //assosiatedPointIndexVector[i]    = prototypePointVector[i]->associatedTemplateIndex = i;
    }

    return this;
}

，正如

Eigen::MatrixXd AlgorithmPointBased::UpdateTranslationMatrix( int clusterIndex )
{
    double membershipSum = 0,outcome = 0;
    double currentPower = 0;
    Eigen::MatrixXd outcomePoint = Eigen::MatrixXd(2,1);
    outcomePoint << 0,0;
    Eigen::MatrixXd templatePoint;
    for (int i=0;i< imageDataVector.size();i++)
    {
        currentPower =0; 
        membershipSum += currentPower = pow(membershipMatrix[clusterIndex][i],m);
        outcomePoint.noalias() +=  (*imageDataVector[i] - (prototypeVector[clusterIndex]->rotationMatrix*prototypeVector[clusterIndex]->scalingMatrix* ( *templateCluster->templatePointVector[prototypeVector[clusterIndex]->assosiatedPointIndexVector[i]]) ))*currentPower ;
    }

    outcomePoint.noalias() = outcomePoint/=membershipSum;
    return outcomePoint; //.ConvertToMatrix();
}

您所看到的，这些函数执行大量矩阵运算。这就是为什么我认为使用 Eigen 会加快我的应用程序速度。不幸的是（正如我上面提到的），该程序运行速度较慢。

有什么办法可以加速这些功能吗？

也许如果我使用 DirectX 矩阵运算我会获得更好的性能？ （但是我有一台带集成显卡的笔记本电脑）。

Answer 1

确保打开编译器优化（例如，gcc 上至少为 -O2）。 Eigen 是高度模板化的，如果不打开优化，性能不会很好。

Answer 2

如果您使用 Eigen 的 MatrixXd 类型，那么它们的大小是动态调整的。使用固定大小类型（例如 Matrix4d、Vector4d），您应该会获得更好的结果。

另外，请确保您进行的编译使代码可以矢量化；请参阅相关 Eigen 文档。

关于使用 Direct3D 扩展库内容（D3DXMATRIX 等）的想法：对于图形几何（4x4 变换等）来说它还可以（如果有点老式），但它肯定不是 GPU 加速的（我认为只是很好的旧 SSE）。另外，请注意，它只是浮​​点精度（您似乎设置为使用双精度）。就我个人而言，我更喜欢使用 Eigen，除非我实际上正在编写 Direct3D 应用程序。

Answer 3

您使用的是哪个版本的 Eigen？他们最近发布了 3.0.1，应该比 2.x 更快。另外，请确保稍微使用一下编译器选项。例如，确保 Visual Studio 中正在使用 SSE：

C/C++ -->代码生成-->启用增强指令集

Answer 4

您应该首先分析并优化算法，然后优化实现。特别是，发布的代码效率很低：

for (int i=0;i<pointVector.size();i++ )
{
   Eigen::MatrixXd outcome = (rotation*scale)* (*pointVector[i])  + translation;

我不知道这个库，所以我什至不会尝试猜测您正在创建的不必要的临时对象的数量，但一个简单的重构：

Eigen::MatrixXd tmp = rotation*scale;
for (int i=0;i<pointVector.size();i++ )
{
   Eigen::MatrixXd outcome = tmp*(*pointVector[i])  + translation;

可以为您节省大量的 < em>昂贵的乘法（同样，可能会立即丢弃新的临时矩阵。

Answer 5

有几点。

1. 当该乘积每次迭代具有相同的值时，为什么要在循环内乘以旋转*缩放？这会浪费很多精力。

2. 您正在使用动态大小的矩阵而不是固定大小的矩阵。其他人已经提到过这一点，你说你节省了 2 秒。

3. 您将参数作为指向矩阵的指针向量传递。这会增加额外的指针间接寻址并破坏数据局部性的任何保证，从而导致缓存性能较差。

4. 我希望这不是侮辱，但是你是在发布版还是调试版中编译？ Eigen 在调试构建中非常慢，因为它使用了许多琐碎的模板化函数，这些函数在发布时进行了优化，但仍处于调试状态。

看看你的代码，我不愿意将性能问题归咎于 Eigen。然而，大多数线性代数库（包括 Eigen）并不是真正为您的大量微小矩阵的用例而设计的。一般来说，Eigen 对于 100x100 或更大的矩阵会得到更好的优化。使用自己的矩阵类或 DirectX 数学帮助器类可能会更好。 DirectX 数学类完全独立于您的显卡。

Answer 6

回顾您之前的帖子和其中的代码，我的建议是使用您的旧代码，但通过移动内容来提高其效率。我在上一个问题上发帖是为了将答案分开。