2

我需要一些帮助来优化分段线性传递函数的基于特征的实现（输出值等于输入，但限制在一个范围内，在本例中为 [-0.5,0.5]）。以下是我分析的功能：

typedef float SignalT;
typdedef Eigen::Array<SignalT, Eigen::Dynamic, Eigen::Dynamic> Signal2D;
void ActivateSum(unsigned char const idx, Signal2D::ColXpr& outputSum)
{
    switch (idx)
    {
    case 0U:
        //Threshold
        outputSum = (outputSum >= (SignalT) 0.0).cast<SignalT>();
        break;
    case 1U:
        //Piecewise linear
        outputSum = outputSum.unaryExpr([](SignalT const elem)
        {
            if (elem >(SignalT) 0.5)
                return (SignalT) 0.5;
            else if (elem < (SignalT)-0.5)
                return (SignalT)-0.5;
            else
                return elem;
        }
        );
        break;
    case 2U:
        //Fast Sigmoid
        outputSum *= ((SignalT) 1.0 + outputSum.abs()).inverse();
        break;
    default:
        assert(0);
        throw;
    }
}

我的整个程序在每个 switch 案例中都使用了以下部分样本：

Threshold: 3.3%
Piecewise Linear: 18%
Fast Sigmoid: < 0.1%

快速 sigmoid 很少使用，但分段线性情况应该与阈值情况一样频繁出现（尽管我不知道如何使用 Visual Studio 来衡量这一点）。所以在我看来，我在分段线性一元表达式上花费了很多时间，并且想知道是否有另一种方法来实现 Eigen 中的功能，也许是通过使用一些内置方法来提高速度. 这是一个非常简单的传递函数，因此它在计算上确实应该很便宜——我的猜测是，由于我的自定义 lambda，成本与优化不佳有关。

想法？

编辑：到目前为止，由于 Leeor 的回答，我想出了这个：

case 1U:
    //Piecewise linear
    outputSum = outputSum.max((SignalT)-0.5).min((SignalT)0.5);
    break;
4

2 回答 2

1

如果您现有的代码尚未以这种方式编译，请使用 FPU 最大和最小指令。

    outputSum = outputSum.unaryExpr( [] (SignalT elem)
    {
        return std::fmax( -0.5f, std::fmin( 0.5f, elem ) );
    }

Eigen 可能已经内置了这样的操作，但看一眼文档并没有发现任何问题。

于 2013-11-05T08:38:39.737 回答
0

可能是分支预测，您的 if 条件创建了一个复杂的数据相关控制流，多个返回站点可能使其难以优化。

也许像这样的三元运算符会消除分支：

        return (elem>0? 1 : -1) * (std::min(std::abs(elem),0.5));

（确保你使用一个支持abs on floats的库，我认为cmath应该没问题）。

通过条件移动来查看您的编译器是否以这种方式发出较少分支的代码。

于 2013-11-05T08:19:50.567 回答