【问题标题】:Is there a fast fabsf replacement for "float" in C++?C++ 中的“float”是否有一个快速的 fabsf 替代品?
【发布时间】:2014-06-21 21:24:27
【问题描述】:

我只是在做一些基准测试,发现fabsf() 通常比fabs() 慢 10 倍。所以我反汇编它,结果发现double 版本使用fabs 指令,float 版本不是。这可以改进吗?这更快,但不是那么多,恐怕它可能不起作用,它有点太低级了:

float mabs(float i)
{
    (*reinterpret_cast<MUINT32*>(&i)) &= 0x7fffffff;
    return i;
}

编辑:抱歉忘记了编译器 - 我仍然使用旧的 VS2005,没有特殊的库。

【问题讨论】:

  • 您应该提及您正在使用的编译器/库,因为这是一个库实现细节。
  • 如果fabs 真的那么快,也许你可以对(float)fabs((double)floatval) 进行基准测试,看看它是否比fabsf 更好。
  • 我实际上尝试过对 fabs((double)x) 进行基准测试,但速度确实很慢。这真的很有趣:)。
  • 哈!刚刚再次尝试,fabs(double) 确实快了 2 倍!
  • “好旧的 VS2005”——不,这不好。尤其是在 2014 年。

标签: c++ performance optimization absolute-value


【解决方案1】:

您是否尝试过为float 重载std::abs?那将是规范的 C++ 方式。

另外,我应该指出,您的位修改版本确实违反了严格的混叠规则(除了更基本的假设,int 和 float 具有相同的大小),因此将是未定义的行为。

【讨论】:

  • 嗯,这大概会做 C 中的 fabsf 所做的事情。 OP想要避免的。
  • @delnan 实际上不会,因为 C 不接受基于参数的重载,所以默认情况下它不能是 C 函数。
  • @Mgetz 我没有说它是 C 函数。我说它会做同样的事情。也就是说,它的实现可能委托给fabsf或者是相同的(__builtin_something)。
  • @delnan 可能是一个实现细节,它也可以使用模板
【解决方案2】:

您可以使用the code below 轻松测试不同的可能性。它本质上是针对天真的模板 abs 和 std::abs 测试您的 bitfiddle。毫不奇怪,天真的模板 abs 获胜。好吧,有点令人惊讶的是它赢了。我希望std::abs 也同样快。请注意,-O3 实际上会使事情变慢(至少在 coliru 上)。

Coliru 的主机系统显示这些时间:

random number generation: 4240 ms
naive template abs: 190 ms
ugly bitfiddling abs: 241 ms
std::abs: 204 ms
::fabsf: 202 ms

以及在 Core i7 上运行 Arch 和 GCC 4.9 的 Virtualbox VM 的这些时间:

random number generation: 1453 ms
naive template abs: 73 ms
ugly bitfiddling abs: 97 ms
std::abs: 57 ms
::fabsf: 80 ms

MSVS2013 (Windows 7 x64) 上的这些时间安排:

random number generation: 671 ms
naive template abs: 59 ms
ugly bitfiddling abs: 129 ms
std::abs: 109 ms
::fabsf: 109 ms

如果我在这个基准代码中没有犯一些明显的错误(不要拍我,我在大约 2 分钟内写了这个),我会说只需使用 std::abs 或模板版本如果这对你来说会稍微快一点。


代码:

#include <algorithm>
#include <cmath>
#include <cstdint>
#include <cstdlib>
#include <chrono>
#include <iostream>
#include <random>
#include <vector>

#include <math.h>

using Clock = std::chrono::high_resolution_clock;
using milliseconds = std::chrono::milliseconds;

template<typename T>
T abs_template(T t)
{
  return t>0 ? t : -t;
}

float abs_ugly(float f)
{
  (*reinterpret_cast<std::uint32_t*>(&f)) &= 0x7fffffff;
  return f;
}

int main()
{
  std::random_device rd;
  std::mt19937 mersenne(rd());
  std::uniform_real_distribution<> dist(-std::numeric_limits<float>::lowest(), std::numeric_limits<float>::max());

  std::vector<float> v(100000000);

  Clock::time_point t0 = Clock::now();

  std::generate(std::begin(v), std::end(v), [&dist, &mersenne]() { return dist(mersenne); });

  Clock::time_point trand = Clock::now();

  volatile float temp;
  for (float f : v)
    temp = abs_template(f);

  Clock::time_point ttemplate = Clock::now();

  for (float f : v)
    temp = abs_ugly(f);

  Clock::time_point tugly = Clock::now();

  for (float f : v)
    temp = std::abs(f);

  Clock::time_point tstd = Clock::now();

  for (float f : v)
    temp = ::fabsf(f);

  Clock::time_point tfabsf = Clock::now();

  milliseconds random_time = std::chrono::duration_cast<milliseconds>(trand - t0);
  milliseconds template_time = std::chrono::duration_cast<milliseconds>(ttemplate - trand);
  milliseconds ugly_time = std::chrono::duration_cast<milliseconds>(tugly - ttemplate);
  milliseconds std_time = std::chrono::duration_cast<milliseconds>(tstd - tugly);
  milliseconds c_time = std::chrono::duration_cast<milliseconds>(tfabsf - tstd);
  std::cout << "random number generation: " << random_time.count() << " ms\n"
    << "naive template abs: " << template_time.count() << " ms\n"
    << "ugly bitfiddling abs: " << ugly_time.count() << " ms\n"
    << "std::abs: " << std_time.count() << " ms\n"
    << "::fabsf: " << c_time.count() << " ms\n";
}

哦,回答您的实际问题:如果编译器无法生成更高效的代码,我怀疑是否有更快的方法来保存微优化的程序集,尤其是对于诸如此类的基本操作。

【讨论】:

  • 我知道如果您使用 C 样式数组而不是向量 VS2013 应该生成向量代码,因此可能也应该对其进行测试(如果只是为了查看 SSE 版本的比较)
  • 实际上我只是尝试了幼稚的代码,但这并不是真正的胜利。目前这是最慢的,最快的是晶圆厂,需要重新输入双倍并返回。
  • 实际上我只想测量单个呼叫,没有向量,我有 IPP。
  • @Mgetz 这意味着 VS2013 在优化方面很糟糕。请注意,当我启用/fp:fast 时,我可以让 VS 达到幼稚的模板绝对速度,尽管我怀疑这是你想要的。
【解决方案3】:

这里有很多东西在起作用。首先,不推荐使用 x87 协处理器以支持 SSE/AVX,所以我很惊讶地看到您的编译器仍然使用 fabs 指令。在这个问题上发布基准答案的其他人很可能使用支持 SSE 的平台。 您的结果可能大不相同。

我不确定为什么您的编译器对fabs 和fabsf 使用不同的逻辑。完全可以将float 加载到x87 堆栈并在其上使用fabs 指令同样容易。在没有编译器支持的情况下自己复制这个问题是你无法将操作集成到编译器的正常优化管道中:如果你说“加载这个浮点数,使用fabs 指令,将此浮点数返回内存”,然后编译器会这样做......它可能涉及将已经准备好处理的浮点数放回内存,将其重新加载,使用fabs指令,将其放回内存,然后再次加载到 x87 堆栈以恢复正常的、可优化的管道。这将是四次浪费的加载存储操作,因为它只需要执行fabs。

简而言之,您不太可能击败对浮点运算的集成编译器支持。如果您没有这种支持,内联汇编器可能只会让事情变得比他们可能已经更慢。您最快的做法甚至可能是在您的浮点数上使用 fabs 函数而不是 fabsf 函数。

作为参考,现代编译器和现代平台使用 SSE 指令 andps(用于浮点数)和 andpd(用于双精度数)来 AND 输出位符号,就像您自己做的一样,但要避开所有语言语义问题。他们都一样快。现代编译器还可以检测 x &lt; 0 ? -x : x 之类的模式并生成最佳的 andps/andpd 指令,而无需编译器内在函数。

【讨论】:

  • 感谢您详尽的回答。仍然在这里使用VC2005,但我在想升级是否有意义?我的意思是新编译器的性能改进是什么?当您假设使用您的软件的某些计算机甚至可能不支持它时,使用 SSE 生成代码是否安全?
  • @VojtěchMeldaMeluzín、andps 和 andpd 来自 SSE2,它是在 Pentium IV 上引入的,所以我想说现在使用它非常安全(仍然知道很多人使用 P3 ?)。至于性能,编译器技术在过去 9 年里有了很大改进,您可能会发现在浮点处理之外的许多领域都有改进。
  • @VojtěchMeldaMeluzín Steam has good stats on who has what SSE、SSE2 甚至 SSE3 在这一点上都很常见 90%+
  • @Mgetz Steam 仅提供一部分 PC,它们可能是也可能不是目标受众。在公司环境中,Steam 统计数据毫无价值。
  • @rubenvb 对硬件的任何民意调查都存在固有的偏见,但根据我的经验,仍在运行 P4 之前的任何设备的企业环境数量接近于零。
猜你喜欢
  • 1970-01-01
  • 2015-10-18
  • 2012-09-18
  • 1970-01-01
  • 2018-02-20
  • 2017-03-25
  • 1970-01-01
  • 2016-02-09
  • 1970-01-01
相关资源
最近更新 更多