【发布时间】:2010-03-07 19:33:04
【问题描述】:
与我的other question 相关,我现在修改了稀疏矩阵求解器以使用 SOR(Successive Over-Relaxation)方法。现在代码如下:
void SORSolver::step() {
float const omega = 1.0f;
float const
*b = &d_b(1, 1),
*w = &d_w(1, 1), *e = &d_e(1, 1), *s = &d_s(1, 1), *n = &d_n(1, 1),
*xw = &d_x(0, 1), *xe = &d_x(2, 1), *xs = &d_x(1, 0), *xn = &d_x(1, 2);
float *xc = &d_x(1, 1);
for (size_t y = 1; y < d_ny - 1; ++y) {
for (size_t x = 1; x < d_nx - 1; ++x) {
float diff = *b
- *xc
- *e * *xe
- *s * *xs - *n * *xn
- *w * *xw;
*xc += omega * diff;
++b;
++w; ++e; ++s; ++n;
++xw; ++xe; ++xs; ++xn;
++xc;
}
b += 2;
w += 2; e += 2; s += 2; n += 2;
xw += 2; xe += 2; xs += 2; xn += 2;
xc += 2;
}
}
现在奇怪的是:如果我增加omega(松弛因子),执行速度开始显着地依赖于各种数组中的值!
对于omega = 1.0f,执行时间或多或少是恒定的。对于omega = 1.8,第一次执行此step() 10 次通常需要5 毫秒,但在模拟期间这将逐渐增加到接近100 毫秒。如果我设置omega = 1.0001f,我会看到执行时间相应地略有增加; omega 越高,模拟过程中的执行时间就会越快。
由于所有这些都嵌入在流体求解器中,因此很难提出一个独立的示例。但是我已经保存了初始状态并在每个时间步重新运行该状态的求解器,以及求解实际时间步。对于初始状态,它很快,对于随后的时间步长,它逐渐变慢。由于其他条件相同,这就证明了这段代码的执行速度取决于这六个数组中的值。
这可以在使用 g++ 的 Ubuntu 以及使用 VS2008 编译为 32 位的 64 位 Windows 7 上重现。
我听说 NaN 和 Inf 值对于浮点计算可能会更慢,但不存在 NaN 或 Inf。浮点计算的速度是否可能取决于输入数字的值?
【问题讨论】:
-
您确定不测量其他一些依赖于计算值的代码路径吗?
-
如果您仍然遇到性能问题,请考虑使用 GPU 进行这些计算。 GPU 非常擅长稀疏矩阵工作。
-
@ebo:我使用 Linux 中的实时时钟来测量这个调用。所以是的,我很确定。
-
@Mark:我知道,但这限制了我可以运行它的平台数量。如果需要,我将在 GPU 上运行它作为最后的手段。
标签: c++ optimization floating-point sparse-matrix