特征库：特征值计算性能，gcc vs Visual Studio 2015答案

【问题标题】：Eigen library: eigenvalue computation performance, gcc vs visual studio 2015特征库：特征值计算性能，gcc vs Visual Studio 2015
【发布时间】：2017-06-01 06:58:49
【问题描述】：

我正在尝试使用 Eigen 库使用以下代码来提高特征值和特征向量计算的性能：

MatrixXd eigMat =m.ToMatrixXd(); //internal conversion to MatrixXd
EigenSolver<MatrixXd> es(eigMat,ShouldComputeEigenVectors);

最初我使用旧版本的 Eigen 和 tdm-gcc 4.8 并使用 O2 级别的优化编译代码。计算 1000 x 1000 矩阵的特征值和向量大约需要 5.4 秒。

几个月前，我已切换到 Visual Studio Community 2015 并将 Eigen 库升级到 Eigen 3.3.2。现在同样的计算需要 18.7 秒。为什么我的性能比 gcc 4.8 更差？有什么办法可以让我回到 5.4 秒（不用说目标是赶上在 0.8 秒内执行的 Matlab）。

VS 2015 的设置：

/GS /Qpar /GL /analyze- /W3 /Gy /Zc:wchar_t /I"C:\wxWidgets-3.1.0\lib\vc_dll\mswu" /Zi /Gm- /O2 /Ob2 /sdl / Fd"Release\vc140.pdb" /Zc:inline /fp:precise /D "_CRT_SECURE_NO_WARNINGS" /D "WIN32" /D "_UNICODE" /D "__WXMSW__" /D "UNICODE" /D "WXUSINGDLL" /D "NDEBUG " /D "EIGEN_NO_DEBUG" /D "_MBCS" /errorReport:prompt /WX- /Zc:forScope /arch:SSE2 /Gd /Oy- /Oi /MD /openmp /Fa"Release\" /EHsc /nologo /Fo"发布\" /Ot /Fp"发布\sciencesuit.pch"

顺便说一句，我尝试了以下方法，但没有或几乎没有（1 秒）性能提升：

不同的指令集，例如 AVX2
浮动模型点，快速
OpenMP 和无 OpenMP 选项
优化，完全优化 Ox

提前致谢。

【问题讨论】：

如果矩阵是对称的，使用SelfAdjointEigenSolver会更快。为配合 MatLab 速度，可以使用MKL support进行编译
是的，我已经集成了SelfAdjointEigenSolver，时间是0.5秒，在矩阵对称的情况下快了将近20倍。

标签： c++ visual-studio gcc eigen eigen3

【解决方案1】：

简而言之，cl（Visual Studio 编译器）在性能方面不如 gcc，尤其是在 Eigen 等模板库方面。

话虽如此，请尝试在 Visual Studio 中使用旧版本的 Eigen。 Eigen 中的一些变化导致 Visual Studio 的性能下降（例如this）。

【讨论】：

是否有可以推荐降级到的特定版本？我必须升级的原因是因为我无法用 VS2015 编译 Eigen。顺便说一句，我没有使用其他一些功能降低性能，例如行列式、QR。鲁。只有特征值和向量计算受到很大影响。
尝试 3.2.10。为什么你不能用 VS2015 编译一个旧的 Eigen，你会得到什么错误？
我用 3.2.5 试过了，显着改进，缩短到 10 秒。
已尝试使用 3.2.10 并再次尝试了 10 秒。 3.3.x 的任何内容都在 18 到 19 秒左右。
好吧，如果我们比较svd分解，那么结果是有利于VS的。但是，是的，就我而言，到目前为止，在 eigen gcc 中表现更好。