基于特征稀疏矩阵的性能调整
基于特征稀疏矩阵的性能调整
提问于 2017-10-07 15:30:34
我用Eigen的SparseMatrix实现了一些东西，基本上是这样的
SparseMatrix W;
...
W.row(i) += X.row(j); // X is another SparseMatrix, both W and X are row major.
...我通过google-pprof对代码做了一些perf分析，我认为上面的代码是有问题的，见下图，
图1
然后是图2
最后图3
看起来operator+=带来了很多内存拷贝的东西。
我不太了解SparseMatrix操作的内部结构，但是否有任何优化上述代码的推荐方法？
回答 1
Stack Overflow用户
回答已采纳
发布于 2017-10-09 20:21:15
如果X的稀疏性是W稀疏性的子集，那么您可以编写自己的函数执行就地添加：
namespace Eigen {
template<typename Dst, typename Src>
void inplace_sparse_add(Dst &dst, const Src &src)
{
EIGEN_STATIC_ASSERT( ((internal::evaluator<Dst>::Flags&RowMajorBit) == (internal::evaluator<Src>::Flags&RowMajorBit)),
THE_STORAGE_ORDER_OF_BOTH_SIDES_MUST_MATCH);
using internal::evaluator;
evaluator<Dst> dst_eval(dst);
evaluator<Src> src_eval(src);
assert(dst.rows()==src.rows() && dst.cols()==src.cols());
for (Index j=0; j<src.outerSize(); ++j)
{
typename evaluator<Dst>::InnerIterator dst_it(dst_eval, j);
typename evaluator<Src>::InnerIterator src_it(src_eval, j);
while(src_it)
{
while(dst_it && dst_it.index()!=src_it.index())
++dst_it;
assert(dst_it);
dst_it.valueRef() += src_it.value();
++src_it;
}
}
}
}下面是一个用法示例：
int main()
{
int n = 10;
MatrixXd R = MatrixXd::Random(n,n);
SparseMatrix<double, RowMajor> A = R.sparseView(0.25,1), B = 0.5*R.sparseView(0.65,1);
cout << A.toDense() << "\n\n" << B.toDense() << "\n\n";
inplace_sparse_add(A, B);
cout << A.toDense() << "\n\n";
auto Ai = A.row(2);
inplace_sparse_add(Ai, B.row(2));
cout << A.toDense() << "\n\n";
}页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/46621953
复制相关文章
相似问题
腾讯云开发者
