uBLAS慢矩陣 - SparseVector乘法

Question

我正在轉換一些我自己的矢量代數代碼，以使用優化的boost uBLAS庫。但是，當我嘗試執行SymmetricMatrix-SparseVector乘法時，發現它比我自己的實現慢大約4倍。矢量大小通常在0-500左右，大約70-80％的條目爲零。

這是我的代碼

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); 
    } 
} 

sparseVectorIndexes存儲輸入矢量的非零值的索引，vectorLength是矢量的長度，和sparseLength是非零的載體中的數。該矩陣被存儲爲對稱矩陣symmetric_matrix<double, lower>。

我自己的實現是一個簡單的嵌套循環迭代，其中矩陣只是一個2D雙陣列：

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; 
    } 

}

爲什麼是4倍的uBLAS庫慢？我不是在正確地寫乘法嗎？還是有另一個圖書館更適合這個？

編輯：如果我使用一個密集的矢量陣列，而不是那麼的uBLAS只有2倍慢...

Answer 1

uBlas的設計並沒有考慮到目標1的性能。有些庫比uBlas快得多。見例如http://eigen.tuxfamily.org/index.php?title=Benchmark

Answer 2

不知道這是經濟放緩的原因（？你個人資料，讓您的4倍數字）但是這個循環可能是緩慢：

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

如果大部分的時間都花在處理你的代碼，然後這些額外的循環可能會增加一倍的時間（並沒有什麼用的uBLAS做）的循環。我會建議使用std::copy代替：

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

大多數編譯器應該看到，這是複製雙，做一個最佳的副本，這可能有點解決您的問題。

Answer 3

This pdf對各種線性代數庫有着相當詳細的比較。我在this answer從Computational Science Stack Exchange遇到這個，這可能是這類問題更好的地方。