測試程式有兩個, 一個是 paul viola 有篇 "Rapid Object Detection using a Boosted Cascade of Simple Features" (CVPR 2001) 講的 object detection 的 implement, 一個是這個 object detection 裡用的積分圖方法, 把這個積分圖方法獨立出來特別做測試.
icc 跟 vc9 相同 (或相近) 的參數:
/O3 (vc9 是 /ox)
/Ob2 (Any Suitable)
/Ot (Favor Fast Code)
/Oy (Omit Frame Pointers)
icc 的多了:
/Og (Global optimizations)
/Qipo (Interprocedural Optimization)
/GA (Optimizatize for Windows Appilication 不是 Galaxy Angel..)
/Qft-speculationfast (Floating=point speculation)
/QaxSSE2 (Intel Core and NetBrust uArch. w/SSE2)
(AMD Barcelona 最多可以用到 /QaxSSE3, 不過這裡因為要跟 vc9 比較, 只用 SSE2.)
/QxSSE? 不能設定, 這個會先檢查是不是 intel 自家的 CPU 產品,
不是的話 compile 會過但不給你跑... 嘿嘿...
/Qprof???? (Profile Guded Optimization) 這項要關掉, 否則會跑不完...
順路一提, 這兩個 VS project 裡都有 brook+ 的檔案, 照過.... :P
首先是第二個程式, 也就是積分圖的運算速度, 有沒有 SSE 的時間差別, 第一個是用一般浮點去計算, 第二個是用 SSE2 指令集下去算, 測試用的是 AMD Phenom 9500 (Agena, 其實就是 Barcelona) 2.2Ghz full-speed, 測試圖就是下面貼的那 ORL face 那張大圖片.
vc9:
bitch 1 fucking time 266.000000 mS
bitch 2 fucking time 78.000000 mS
icc11:
bitch 1 fucking time 178.000000 mS
bitch 2 fucking time 69.000000 mS
浮點有快蠻多的, SSE 就還好而已.
再來是第一支程式, Object detection 抓的是人臉, 測試圖是 ORL face database 把所有 400 人的人臉圖合成一張 4096 x 4096 大小的大圖:
跟第一個程式不一樣的是, 這個有 OpenMP 的支援, 運作途中四顆 CPU 都是 100% full loading.
vc9: 16.75秒
icc11: 18.078秒.
不過, 這隻程式我指標用的非常兇, 以下是這兩個 code 的簡短差別...
1. (SSE bitchmark)
{
int nT = 0;
int nB = width;
for(int y=height-1; y>0; --y, ++nT, ++nB)
{
for(int x=width-1; x>0; --x, ++nT, ++nB)
{
buf[nB+1] += buf[nB] + buf[nT+1] - buf[nT];
}
}
}
2. (Adaboost Object etection)
{
float *pdS, *pdT, *pdU, *pdV, *pdW;
pdT = buf + width + 1;
pdV = buf + width;
pdU = buf + 1;
pdS = buf;
pdW = pdV + width - 1;
for(; pdT＜zoe; pdT++, pdU++, pdS++, pdV++, pdW+=width)
{
for(; pdV＜pdW; pdT++, pdU++, pdV++, pdS++)
{
*pdT += *pdU + *pdV - *pdS;
}
}
}
目前這隻程式的 optimization 冠軍仍舊是 gcc 3.4.6 cygwin 版...
近一個月 K brook+ 的 sample code 跟 tune 以前的 code 的感想是, 指標能不要用就不要用, 在新一點的 compiler 裡只會跑的更慢 -_-|||b (brook+ 裡直接不能使用指標..)
沒有留言:
張貼留言