使用4x4矩阵加速iOS 4
我一直在研究iOS 4中提供的加速框架。具体地说，我尝试使用C语言线性代数库中的Cblas例程。现在，我无法使用这些函数来获得比非常基本的例程更高的性能。具体地说，4x4矩阵乘法的情况。只要我不能利用矩阵的仿射或齐次性质，我就一直在使用这个例程(删节)：
float *mat4SetMat4Mult(const float *m0, const float *m1, float *target) {
target[0] = m0[0] * m1[0] + m0[4] * m1[1] + m0[8] * m1[2] + m0[12] * m1[3];
target[1] = ...etc...
...
target[15] = m0[3] * m1[12] + m0[7] * m1[13] + m0[11] * m1[14] + m0[15] * m1[15];
return target;
}Cblas的等效函数调用为：
cblas_sgemm(CblasColMajor, CblasNoTrans, CblasNoTrans,
4, 4, 4, 1.f, m0, 4, m1, 4, 0.f, target, 4);将两者进行比较，通过让它们运行大量充满随机数的预计算矩阵(每个函数每次都获得完全相同的输入)，当使用clock()函数计时时，Cblas例程的执行速度大约要慢4倍。
这对我来说似乎不对，我留下的感觉是我在哪里做错了什么。我必须以某种方式启用设备的霓虹灯单元和SIMD功能吗？或者我不应该希望在这么小的矩阵上有更好的性能吗？
非常感谢，
巴斯蒂安
回答 2
Stack Overflow用户
发布于 2011-03-05 02:16:34
BLAS和LAPACK库是为使用我认为的“中型到大型矩阵”而设计的(从几十到几万)。对于较小的矩阵，它们将提供正确的结果，但性能将不会像预期的那样好。
这有几个原因：
- 为了提供最佳性能，3x3和4x4矩阵运算必须内联，而不是在库中；当要做的工作如此之少时，进行函数调用的开销太大而无法克服。
- 需要一组完全不同的接口才能提供最佳性能。矩阵乘法的BLAS接口接受变量来指定计算中涉及的矩阵的大小和前导尺寸，更不用说是否转置矩阵和存储布局了。所有这些参数使库变得强大，并且不会影响大型矩阵的性能。但是，当它确定您正在进行4x4计算时，这个函数专门用于执行4x4矩阵运算，其他任何操作都已完成。
这对你意味着什么:如果你想要提供专门的小矩阵运算，请转到bugreport.apple.com并提交一个bug来请求这个特性。
Stack Overflow用户
发布于 2010-11-01 23:23:17
苹果WWDC2010的演示文稿说，即使是3x3矩阵运算，Accelerate仍然可以提供加速，所以我假设您应该看到4x4的略微改进。但您需要考虑的是，Accelerate & NEON的设计目的是大大提高整数运算的速度，但不一定是浮点运算。您没有提到您的CPU处理器，而且似乎Accelerate将根据您的CPU使用NEON或VFP进行浮点运算。如果它使用霓虹灯指令进行32位浮点运算，那么它应该运行得很快，但如果它使用VFP进行32位浮点或64位双精度运算，那么它将运行得非常慢(因为VFP实际上不是SIMD)。因此，您应该确保您使用的是32位浮点运算与加速，并确保它将使用霓虹灯而不是VFP。
另一个问题是，即使它使用霓虹灯，也不能保证你的C编译器会比没有霓虹灯指令的简单C函数生成更快的霓虹灯代码，因为像GCC这样的C编译器经常生成糟糕的SIMD代码，可能比标准代码运行得慢。这就是为什么测试生成代码的速度总是很重要的原因，并可能手动查看生成的汇编代码，以查看您的编译器是否生成了错误代码。
https://stackoverflow.com/questions/3950383
复制相似问题
腾讯云开发者
