犰狳 vs Eigen3 时序差异

Question

我希望这个讨论可以帮助其他遇到 Armadillo 和 Eigen3 问题的人。

我写了一个包装器 class，Mat，它包装了犰狳库中的 arma::Mat 或 Eigen3 库中的 Eigen::Matrix。这是在编译时用标志控制的。

另外，我写了一个 Tensor class，它使用 Mat 作为存储。这个 class 的主要特征是使用 Voigt 符号来压缩高阶张量以正确存储在矩阵中。

最后，我编写了一个测试，将二阶张量（即矩阵）和一阶张量（即向量）相乘多次并记录完成运算符所需的时间。我用我的 Mat class 和我的 Tensor class.

来做这个

因为 Tensor 包装了 Mat，我预计它的时间会更长。犰狳就是这种情况，平均接近 20%。但是，在使用 Eigen 时，使用 Tensor 更快，这对我来说完全没有意义。

有什么特别之处吗？

编辑：提供更多详细信息。

我首先将 arma::Mat 包装成 myOwn::armaMat，将 Eigen::Matrix 包装成 myOwn::eigenMat。这两者都只是将 armadillo 和 Eigen 的 API 包装到一个通用框架中。最后，基于编译器标志，myOwn::Mat 包装了一个 armaMat 或一个 eigenMat。我不确定我们是否启用了任何优化标志。

如上所述，myOwn::Tensor使用myOwn::Mat作为存储。由于我将使用张量 class 的物理应用程序，它被模板化为 2D（即，如果它是二阶，则为 2×2）或 3D（即，3×3）。（相比之下，Mat 可以是任意大小）。

我用于计时目的的运算符是：2×2 矩阵（二阶张量）乘以 2×1 矩阵（一阶张量）。仅使用 Mat 时，我实际上是在使用犰狳或 Eigen 的表达式模板。

当使用我的 Tensor class 时，我重载了 operator* 这样的：

template< typename T1, bool Sym >
moris::Mat< T1 >
operator*(
        moris::Tensor< T1, 2, 2, true > const & aTensor1,
        moris::Tensor< T1, 1, 2, Sym >  const & aTensor2 )
{

    moris::Mat< T1 > tVector(2, 1);

    tVector(0) = aTensor1[0]*aTensor2[0] + aTensor1[2]*aTensor2[1];
    tVector(1) = aTensor1[2]*aTensor2[0] + aTensor1[1]*aTensor2[1];

    return tVector;
}

Tensor 上的 [] 运算符从底层存储 Mat 访问数据（通过 Voigt 约定）。

Answer 1

"It's complicated."

我们通过 add-on 包 RcppArmadillo and RcppEigen 为 Armadillo 和 Eigen 提供绑定到 R，所以比较和 horse-race 问题经常出现。

而且我认为没有明确的答案。更重要的是 "worse"，Armadillo 通常指的是您安装的任何 LAPACK/BLAS，因此您可以使用多核并行性，而 Eigen 倾向于更喜欢它自己的例程。在准备我的 Rcpp book 时，我做了一些计时并找到了一些 counter-intuitive 结果。

在一天结束时，您可能只需要分析您的问题。

犰狳 vs Eigen3 时序差异

Armadillo vs Eigen3 Timing Difference

timing

matrix-multiplication

armadillo

eigen3