与矢量量化相比，C++矢量实现低效率

Question

这是我做的一个比较。np.argsort在由1000000个元素组成的float32数组上计时。在

In [1]: import numpy as np

In [2]: a = np.random.randn(1000000)

In [3]: a = a.astype(np.float32)

In [4]: %timeit np.argsort(a)
86.1 ms ± 1.59 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

<>这里是一个C++程序，但在向量上引用的是this answer。在

^{pr2}$

它打印Finished in 525.908 milliseconds.，而且比numpy版本慢得多。有人能解释一下是什么让np.argsort这么快吗？谢谢。在

---

Edit1:np.__version__返回运行在Python 3.6.6 |Anaconda custom (64-bit)和{}上的1.15.0打印8.2.0。操作系统是Manjaro-Linux。在

---

Edit2:我试图在g++中使用-O2和-O3标志进行编译，结果在216.515毫秒和205.017毫秒内得到。这是一个改进，但仍然比numpy版本慢。（Referring to this question）这被删除了，因为我错误地在没有拔下笔记本电脑直流适配器的情况下运行测试，这会导致测试速度减慢。在公平竞争中，C阵列和矢量版本的性能相当（大约需要100毫秒）。在

---

Edit3:另一种方法是用类C数组替换vector:float numbers[1000000];。之后，运行时间约为100ms（+/-5ms）。完整代码：

#include <iostream>
#include <vector>
#include <cstddef>
#include <algorithm>
#include <opencv2/opencv.hpp>
#include <numeric>
#include <utility>
int main()
{
  //std::vector<float> numbers;
  float numbers[1000000];
  for (int i = 0; i != 1000000; ++i) {
    numbers[i] = ((float)rand() / (RAND_MAX));
  }

  double e1 = (double)cv::getTickCount();

  std::vector<size_t> idx(1000000);
  std::iota(idx.begin(), idx.end(), 0);

  std::sort(idx.begin(), idx.end(), [&numbers](const size_t &a, const size_t &b)
                                               { return numbers[a] < numbers[b];});

  double e2 = (double)cv::getTickCount();
  std::cout << "Finished in " << 1000 * (e2 - e1) / cv::getTickFrequency() << " milliseconds." << std::endl;
  return 0;
}

Answer 1

创意：

• 不同的基础算法：。np.argsort默认使用快速排序，C++中的实现可能取决于编译器。

• 函数调用开销：我不确定C++编译器是否内联了比较函数。如果不是，调用此函数也可能会带来一些开销。不是this post

• 编译器标志？