uBLAS 저조한 매트릭스 - SparseVector 곱셈

Question

최적화 된 부스트 uBLAS 라이브러리를 사용하기 위해 자신의 벡터 대수 코드를 변환 중입니다. 그러나 SymmetricMatrix-SparseVector 곱셈을 할려고 할 때, 내 구현보다 약 4 배 느린 것으로 나타났습니다. 벡터 크기는 일반적으로 약 0-500이며 약 70-80 % 항목은 0입니다. 여기

내 코드

sparseVectorIndexes 입력 벡터의 비 - 제로 값의 인덱스를 저장

void CRoutines::GetA(double a[], double vectorIn[], int sparseVectorIndexes[], int vectorLength, int sparseLength) 
{ 
    compressed_vector<double> inVec (vectorLength, sparseLength); 
    for(int i = 0; i < sparseLength; i++) 
    { 
     inVec(sparseVectorIndexes[i]) = vectorIn[sparseVectorIndexes[i]]; 
    } 
    vector<double> test = prod(inVec, matrix); 
     for(int i = 0; i < vectorLength; i++) 
    { 
     a[i] = test(i); 
    } 
} 

이다 vectorLength는 벡터의 길이이고, sparseLength는 벡터 내의 비 제로의 개수 . 행렬은 대칭 행렬 symmetric_matrix<double, lower>으로 저장됩니다.

void CRoutines::GetA(double a[], double vectorIn[], int sparseVectorIndexes[], int vectorLength, int sparseLength) 
{ 
    for (int i = 0; i < vectorLength; i++) 
    { 
      double temp = 0; 

      for (int j = 0; j < sparseLength; j++) 
      { 
       int row = sparseVectorIndexes[j]; 
       if (row <= i) // Handle lower triangular sparseness 
        temp += matrix[i][row] * vectorIn[row]; 
       else 
        temp += matrix[row][i] * vectorIn[row]; 
      } 
      a[i] = temp; 
    } 

}

가 왜 느린 uBLAS 4 배입니다 :

내 자신의 구현은 매트릭스 그냥 2D double 배열하는 간단한 중첩 된 루프 반복인가? 곱셈을 올바르게 쓰지 않습니까? 아니면 이것에 더 적합한 또 다른 도서관이 있습니까?

편집 : 조밀 한 벡터 배열을 사용하는 경우가 침체의 원인 인 경우 대신 다음 uBLAS이 ... 확실하지

Answer 1

uBlas는 목표 1을 염두에두고 설계되지 않았습니다. uBlas보다 훨씬 빠른 라이브러리가 있습니다. 예 : http://eigen.tuxfamily.org/index.php?title=Benchmark

Answer 2

배속 느린 (? 당신이 당신의 배 번호를 얻기 위해 프로파일 않았다) 그러나이 루프는 느릴 수 :

for(int i = 0; i < vectorLength; i++) 
    { 
     a[i] = test(i); 
    } 

대부분의 시간은 다음이 추가 루프 시간을 두 배 (그리고 ublas와는 아무 상관이 없다) 수있는 코드에서 루프를 처리하는 데 소요됩니다. 내가 대신 std::copy를 사용하는 것이 좋습니다 :

std::copy(test.begin(), test.end(), a[0]) 

대부분의 컴파일러는이 이중 복사되는 것을보고 다소 문제를 해결할 수있는 최적의 사본을해야한다.

Answer 3

This pdf에는 다양한 선형 대수 라이브러리에 대한 자세한 비교가 있습니다. 나는 이것을 this answer에서 Computational Science Stack Exchange에서 발견했는데, 이것은 아마도 이런 종류의 질문을하기에 더 좋은 곳입니다.