0

我正在为发行版编写一些功能,并使用正态分布在我的实现和 C++ Boost 之间运行测试。

给定概率密度函数(pdf: http: //www.mathworks.com/help/stats/normpdf.html

我是这样写的:

double NormalDistribution1D::prob(double x) {
    return (1 / (sigma * (std::sqrt(boost::math::constants::pi<double>()*2))))*std::exp((-1 / 2)*(((x - mu) / sigma)*((x - mu) / sigma)));
}

将我的结果与使用 C++ Boost 的方式进行比较:

    boost::math::normal_distribution <> d(mu, sigma);
    return boost::math::pdf(d, x);

我并不是很惊讶——我的版本花了44278纳秒,只提升了326

所以我玩了一下,在我的 NormalDistribution1D-Class 中编写了 probboost 方法,并比较了所有三个:

void MATTest::runNormalDistribution1DTest1() {
    double mu = 0;
    double sigma = 1;
    double x = 0;

    std::chrono::high_resolution_clock::time_point tn_start = std::chrono::high_resolution_clock::now();
    NormalDistribution1D *n = new NormalDistribution1D(mu, sigma);
    double nres = n->prob(x);
    std::chrono::high_resolution_clock::time_point tn_end = std::chrono::high_resolution_clock::now();

    std::chrono::high_resolution_clock::time_point tdn_start = std::chrono::high_resolution_clock::now();
    NormalDistribution1D *n1 = new NormalDistribution1D(mu, sigma);
    double nres1 = n1->probboost(x);
    std::chrono::high_resolution_clock::time_point tdn_end = std::chrono::high_resolution_clock::now();

    std::chrono::high_resolution_clock::time_point td_start = std::chrono::high_resolution_clock::now();
    boost::math::normal_distribution <> d(mu, sigma);
    double dres = boost::math::pdf(d, x);
    std::chrono::high_resolution_clock::time_point td_end = std::chrono::high_resolution_clock::now();

    std::cout << "Mu : " << mu << "; Sigma: " << sigma << "; x" << x << std::endl;
    if (nres == dres) {
        std::cout << "Result" << nres << std::endl;
    } else {
        std::cout << "\033[1;31mRes incorrect: " << nres << "; Correct: " << dres << "\033[0m" << std::endl;
    }


    auto duration_n = std::chrono::duration_cast<std::chrono::nanoseconds>(tn_end - tn_start).count();
    auto duration_d = std::chrono::duration_cast<std::chrono::nanoseconds>(td_end - td_start).count();
    auto duration_dn = std::chrono::duration_cast<std::chrono::nanoseconds>(tdn_end - tdn_start).count();

    std::cout << "own boost: " << duration_dn << std::endl;
    if (duration_n < duration_d) {
        std::cout << "Boost: " << (duration_d) << "; own implementation: " << duration_n << std::endl;
    } else {
        std::cout << "\033[1;31mBoost faster: " << (duration_d) << "; than own implementation: " << duration_n << "\033[0m" << std::endl;
    }
}

结果是(正在编译和运行检查方法 3 次)

自身提升:1082 提升更快:326;比自己的实现:44278

自身提升:774 提升更快:216;比自己的实现:34291

自身提升:769 提升更快:230;比自己的实现:33456

现在这让我很困惑:类中的方法怎么可能比直接调用的语句花费的时间长 3 倍?

我的编译选项:

g++ -O2   -c -g -std=c++11 -MMD -MP -MF "build/Debug/GNU-Linux-x86/main.o.d" -o build/Debug/GNU-Linux-x86/main.o main.cpp

g++ -O2    -o ***Classes***
4

2 回答 2

3

首先,您正在动态分配对象,其中new

NormalDistribution1D *n = new NormalDistribution1D(mu, sigma);
double nres = n->prob(x);

如果您像使用 boost 所做的那样做,那么仅此一项就足以具有相同(或相当)的速度:

NormalDistribution1D n(mu, sigma);
double nres = n.prob(x);

现在,我不知道您拼写表达式的方式NormalDistribution1D::prob()是否重要,但我怀疑以更“优化”的方式编写它会有所不同,因为这样的算术表达式就是这样的事情编译器可以很好地优化。如果您使用开关,它可能会变得更快--ffast-math,这将为编译器提供更多优化自由。

此外,如果 的定义double NormalDistribution1D::prob(double x)在另一个编译单元(另一个 .cpp 文件)中,编译器将无法内联它,这也会产生明显的开销(可能慢两倍或更少)。在 boost 中,几乎所有东西都在头文件中实现,所以当编译器看起来合适时,内联总是会发生。如果你编译和链接 gcc 的-flto开关,你可以克服这个问题。

于 2015-08-05T20:47:09.273 回答
2

您没有使用该-ffast-math选项进行编译。这意味着编译器不能(事实上,绝不能!)简化(-1 / 2)*(((x - mu) / sigma)*((x - mu) / sigma))为类似于 中使用的形式boost::math::pdf

expo = (x - mu) / sigma
expo *= -x
expo /= 2
result = std::exp(expo)
result /= sigma * std::sqrt(2 * boost::math::constants::pi<double>())

以上强制编译器在不使用-ffast_math.

new其次,与从堆 ( ) 与堆栈(局部变量)分配所需的时间相比,上述代码与您的代码之间的时间差异很小。您正在计算分配动态内存的成本。

于 2015-08-05T20:48:36.407 回答