犰狳vs Eigen3定時差

我的希望是這個討論可能會幫助其他人與Armadillo和Eigen3有問題。犰狳vs Eigen3定時差

我已經寫了一個包裝類Mat，它包裝了armadillo庫中的arma :: Mat或Eigen3庫中的Eigen :: Matrix。這是在編譯時用一個標誌來控制的。

此外，我寫了一個使用Mat作爲存儲的Tensor類。這個類的主要特徵是使用Voigt符號來壓縮高階張量以正確存儲在矩陣中。最後，我寫了一個測試，將一個二階張量（即矩陣）和一階張量（即一個向量）相乘多次，並記錄完成操作符所需的時間。我通過我的Mat類和Tensor類來做到這一點。

由於Tensor包裹墊，我希望它的時間更大。犰狳就是這種情況，平均接近20％。但是，使用Eigen時，使用張量更快，這對我來說毫無意義。

是否有任何東西貼到任何人？

編輯：提供更多的細節。

我已經第一次將arma :: Mat包裹到myOwn :: armaMat和Eigen :: Matrix到myOwn :: eigenMat中。這兩者都將Armadillo和Eigen的API包裝到一個通用框架中。最後，根據編譯器標誌，myOwn :: Mat包裝armaMat或eigenMat。我不確定我們打開的優化標誌。

如上所述，myOwn :: Tensor使用myOwn :: Mat作爲存儲。由於物理應用我將使用Tensor類，所以它被模板化爲2D（即，如果它是二階的2乘2）或3D（即3乘3）。（相反，Mat可以是任何尺寸）。

我用於計時目的的操作員是：2乘2矩陣（2階張量）乘以2乘1矩陣（1階張量）。當僅使用Mat時，我基本上使用了犰狳或Eigen的表達模板。

當使用我的張量類，我重載operator *爲這樣：

template< typename T1, bool Sym > 
moris::Mat<T1> 
operator*(
     moris::Tensor< T1, 2, 2, true > const & aTensor1, 
     moris::Tensor< T1, 1, 2, Sym > const & aTensor2) 
{ 

    moris::Mat<T1> tVector(2, 1); 

    tVector(0) = aTensor1[0]*aTensor2[0] + aTensor1[2]*aTensor2[1]; 
    tVector(1) = aTensor1[2]*aTensor2[0] + aTensor1[1]*aTensor2[1]; 

    return tVector; 
}

上張量[]操作訪問數據形成底層存儲墊（通過福格特約定）。

來源

2016-01-05 Luis Negrete

矩陣的大小是多少？你是否在Mat和Tensor案例中將Eigen/Armidillo的矩陣矢量產品稱爲？另外，確保在編譯器優化ON的情況下進行編譯。最後，如果這些言論沒有幫助發現任何問題，那麼在沒有看到任何代碼的情況下很難提供更多的幫助。 – ggael

我已更新問題以解答您提出的一些問題。 –

「這很複雜。」

我們通過附加包RcppArmadillo和RcppEigen提供Armadillo和Eigen到R的綁定，因此比較和賽馬問題出現了很多。

我不認爲有明確的答案。爲了使事情「變得更糟」，犰狳一般指的是你安裝的任何LAPACK/BLAS，因此你可以使用多核並行，而Eigen往往更喜歡它自己的例程。當準備我的Rcpp book時，我做了一些時間安排，發現了一些反直覺的結果。

在一天結束時，您可能只需要簡介您的問題。

來源

2016-01-05 22:06:01

非常感謝您的回覆，謝謝！最讓我難受的是，使用Eigen時，儘管Tensor包裹Mat，但使用Tensor類比Mat類更快。 –

犰狳vs Eigen3定時差

回答

相關問題