Eigen3 矩阵乘法性能答案

【问题标题】：Eigen3 matrix multiplication performanceEigen3 矩阵乘法性能
【发布时间】：2015-06-24 13:57:57
【问题描述】：

注意：我也在 Eigen 论坛 here 上发布了此内容

我想用 3x3 矩阵预乘 3xN 矩阵，即转换 3D 点，例如 p_dest = T * p_source

初始化矩阵后：

Eigen::Matrix<double, 3, Eigen::Dynamic> points = Eigen::Matrix<double, 3, Eigen::Dynamic>::Random(3, NUMCOLS);
Eigen::Matrix<double, 3, Eigen::Dynamic> dest = Eigen::Matrix<double, 3, Eigen::Dynamic>(3, NUMCOLS);
int NT = 100;

我已经评估了这两个版本

// eigen direct multiplication
for (int i = 0; i < NT; i++){
  Eigen::Matrix3d T = Eigen::Matrix3d::Random();
  dest.noalias() = T * points;
}

和

// col multiplication
for (int i = 0; i < NT; i++){
  Eigen::Matrix3d T = Eigen::Matrix3d::Random();
  for (int c = 0; c < points.cols(); c++){
    dest.col(c) = T * points.col(c);
  }
}

NT 重复只是为了计算平均时间

我很惊讶逐列乘法比直接乘法快 4/5 倍 （如果我不使用.noalias()，直接乘法会更慢，但这很好，因为它正在做一个临时复制）我尝试将 NUMCOLS 从 0 更改为 1000000，并且关系是线性的。

我正在使用 Visual Studio 2013 并在发行版中编译

下图在 X 上显示矩阵的列数，在 Y 上显示单个操作的平均时间，蓝色为 col 乘 col 乘法，红色为矩阵乘法

有什么建议为什么会发生这种情况？

【问题讨论】：

标签： c++ performance matrix visual-studio-2013 eigen

【解决方案1】：

简答

您正在计时 col 乘法版本中的惰性（因此缺乏）评估，而不是直接版本中的惰性（但已评估）评估。

长答案

我们看一下完整的MCVE，而不是代码sn-ps。首先，“you're”版本：

void ColMult(Matrix3Xd& dest, Matrix3Xd& points)
{
    Eigen::Matrix3d T = Eigen::Matrix3d::Random();
    for (int c = 0; c < points.cols(); c++){
        dest.col(c) = T * points.col(c);
    }
}

void EigenDirect(Matrix3Xd& dest, Matrix3Xd& points)
{
    Eigen::Matrix3d T = Eigen::Matrix3d::Random();
    dest.noalias() = T * points;
}

int main(int argc, char *argv[])
{
    srand(time(NULL));

    int NUMCOLS = 100000 + rand();

    Matrix3Xd points = Matrix3Xd::Random(3, NUMCOLS);
    Matrix3Xd dest   = Matrix3Xd(3, NUMCOLS);
    Matrix3Xd dest2  = Matrix3Xd(3, NUMCOLS);
    int NT = 200;
    // eigen direct multiplication
    auto beg1 = std::chrono::high_resolution_clock::now();
    for (int i = 0; i < NT; i++)
    {
        EigenDirect(dest, points);
    }
    auto end1 = std::chrono::high_resolution_clock::now();

    std::chrono::duration<double> elapsed_seconds = end1-beg1;

    // col multiplication
    auto beg2 = std::chrono::high_resolution_clock::now();
    for(int i = 0; i < NT; i++)
    {
        ColMult(dest2, points);
    }

    auto end2 = std::chrono::high_resolution_clock::now();

    std::chrono::duration<double> elapsed_seconds2 = end2-beg2;
    std::cout << "Direct time: " << elapsed_seconds.count() << "\n";
    std::cout << "Col time: " << elapsed_seconds2.count() << "\n";

    std::cout << "Eigen speedup: " << elapsed_seconds2.count() / elapsed_seconds.count() << "\n\n";
    return 0;
}

使用此代码（并打开 SSE），我得到：

Direct time: 0.449301
Col time: 0.10107
Eigen speedup: 0.224949

与您抱怨的相同的 4-5 减速。为什么？！？！在我们得到答案之前，让我们稍微修改一下代码，以便将dest 矩阵发送到ostream。将std::ostream outPut(0); 添加到main() 的开头和在结束计时器之前添加outPut << dest << "\n\n"; 和outPut << dest2 << "\n\n";。 std::ostream outPut(0); 不输出任何内容（我很确定坏位已设置），但它确实会导致特征 operator<< 为 called，这会强制评估矩阵。

注意：如果我们使用了outPut << dest(1,1)，那么dest 的计算结果将仅足以在col 乘法方法中输出单个元素。

然后我们得到

Direct time: 0.447298
Col time: 0.681456
Eigen speedup: 1.52349

结果符合预期。请注意，Eigen 直接方法花费的时间完全相同（这意味着即使没有添加 ostream 也会进行评估），而 col 方法突然花费的时间要长得多。

【讨论】：