uBLAS慢矩阵-Sparse向量乘法

Question

我正在转换一些我自己的向量代数代码来使用优化的boost uBLAS库。然而，当我尝试做一个对称矩阵-SparseVector乘法时，我发现它比我自己的实现慢了大约4倍。向量大小通常在0-500左右，约70%-80%的条目为零。

这是我的密码

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存储输入向量的非零值的索引，vectorLength是向量的长度，sparseLength是向量中的非零数。该矩阵存储为对称矩阵symmetric_matrix<double, lower>。

我自己的实现是一个简单的嵌套循环迭代，其中矩阵只是一个2D双数组：

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;
    }

}

为什么uBLAS的速度慢4x？我是不是没有把乘法写好？还是有另一个更适合这种情况的图书馆？

编辑：如果我使用密集向量数组，那么uBLAS只慢2倍.

Answer 1

uBlas的设计并没有把性能作为第一目标。有些库比uBlas快得多。参见例如http://eigen.tuxfamily.org/index.php?title=Benchmark

Answer 2

此pdf对各种线性代数库进行了详细的比较。在这个答案中，我从计算科学堆栈交换中看到了这个问题，这可能是一个更好的解决此类问题的地方。

Answer 3

不确定这是否是经济放缓的原因(你的个人资料是为了得到你的4倍的数字吗？)但是这个循环可能很慢：

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

如果大部分时间用于处理代码中的循环，那么这个额外的循环可能会使时间加倍(并且与ublas无关)。我建议使用std::copy来代替：

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

大多数编译器应该看到这是复制一个双拷贝，并执行一个最优的复制，这可能在一定程度上解决了您的问题。