如何避免在带特征的稀疏表达式中分配内存

Question

我有一个应用程序，稀疏模式是常量的。让我们说，我的计算是在形式。

sm3 = sm1 + sm2

但是，即使在所有这些操作数中，我也将稀疏模式设置为相同的模式，我的分析器显示，大部分时间用于分配和释放结果矩阵。

这是我的MWE：

#include <eigen3/Eigen/Sparse>
#include <iostream>

int main(int argc, char *argv[])
{
  using namespace Eigen;

  SparseMatrix<double> sm1(2, 2), sm2(2, 2), sm3(2, 2);

  // Populate sm1 and sm2
  sm1.insert(0,0) = 2.0;

  sm2.insert(1,1) = 3.0;

  // Compute the result pattern
  sm3 = sm1 + sm2;

  // Copy the augmented pattern into the operands
  sm1 = sm2 = sm3;

  // This loop triggers a lot of new[] and delete[] calls
  for(int i = 0; i < 1000; i++)
    sm3 = sm2 + sm1;
}

能否避免那些分配操作的人？

Answer 1

目前不可能这样做，因为默认情况下，稀疏矩阵被假定为别名。例如，如果您这样做：

m3 = m3 + m1;

由于m1的模式没有完全包含在m3中，那么在m3中直接计算表达式是不可能的。在未来的中，我们可以强制使用目标内存，语法如下：

m3.noalias() = m1 + m2;

同时，由于您的矩阵很小，您可以通过添加一些显式零来执行m1和m2的模式与m3模式相同的操作，从而获得更高的性能。然后，使用本征3.3，您可以将稀疏加法转换为密集向量的加法：

m3.coeffs() = m1.coeffs() + m2.coeffs();

即使m1和m2之间的交点很小，您也会得到非常高的速度(可能是一个数量级)，因为您摆脱了内存间接，并从向量化中受益(不要忘记启用AVX，例如，-mavx)。