xtensor

C++でもnumpyっぽく使えるxtensorを試してみます。

インストール

まずは、インストール。次のスクリプトを実行します。

#!/bin/bash
git clone https://github.com/xtensor-stack/xtensor.git
git clone https://github.com/xtensor-stack/xtl.git
git clone https://github.com/xtensor-stack/xsimd.git
git clone https://github.com/xtensor-stack/xtensor-blas.git

INSTALL_PATH=$(pwd)/root
for x in xtl xsimd xtensor xtensor-blas
do
    echo "-------- $x ----------"
    cd $x
    mkdir -p build
    cd build
    cmake -DCMAKE_INSTALL_PREFIX=$INSTALL_PATH ..
    make install
    cd ../..
done

行列積の計算時間

行列積の計算時間を測定してみます。測定する処理を書いたC++のコードは次の通り。10000x10000の２つの行列の積を計算し、その後、平均値を計算します。これを５回繰り返します。なお、平均値は10000になります。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

#include <iostream> #include "xtensor.hpp" #include "xtensor-blas/xlinalg.hpp" void dot(void){ xt::xarray<float> a = xt::ones<float>({10000, 10000}); xt::xarray<float> b = xt::ones<float>({10000, 10000}); for(int i=0; i<5; ++i){ auto d = xt::linalg::dot(a, b); auto c = xt::average(d); std::cout << c << std::endl; } } int main(void){ dot(); return 0; }

このファイルをdot.cppとして保存し、次のようなCMakeLists.txtを作成します。xtensor_pathの値は適切なものに書き換えてください。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

cmake_minimum_required(VERSION 3.10) project(xtexample VERSION 1.0) set(CMAKE_CXX_STANDARD 14) set(CMAKE_CXX_STANDARD_REQUIRED True) add_definitions(-DHAVE_CBLAS=1) find_package(BLAS REQUIRED) find_package(LAPACK REQUIRED) add_executable(xtexample dot.cpp) set(XTENSOR_USE_XSIMD ON) set(xtensor_path "/path/to/xtensor/root") set(xtensor_DIR "${xtensor_path}/lib/cmake/xtensor") set(xtl_DIR "${xtensor_path}/lib/cmake/xtl") set(xsimd_DIR "${xtensor_path}/lib/cmake/xsimd") find_package(xtensor REQUIRED) target_include_directories(xtexample PUBLIC ${xtensor_INCLUDE_DIRS}) target_link_libraries(xtexample PUBLIC xtensor xtensor xtensor::optimize xtensor::use_xsimd ${BLAS_LIBRARIES} ${LAPACK_LIBRARIES})

ビルドします。

$ mkdir build
$ cd build
$ cmake -DCMAKE_BUILD_TYPE=Release ..
$ make

処理時間を測定します。

$ for _ in {1..4}; do time ./xtexample; done

結果は次の通りです。4コア8スレッドのCPUで測定しています。

Trial #	real	user	sys
1	0m43.805s	5m17.723s	0m23.991s
2	0m46.952s	5m44.626s	0m21.066s
3	0m49.060s	5m59.719s	0m22.163s
4	0m50.819s	6m9.617s	0m25.812s

Python numpyとの比較

比較のため、Pythonのnumpyで同じことをしてみます。測定コードは以下の通り。

1 2 3 4 5 6 7 8 9 10 11

import numpy as np def dot(): a = np.ones((10000, 10000), dtype=np.float32) b = np.ones((10000, 10000), dtype=np.float32) for i in range(5): d = np.dot(a, b) c = np.average(d) print(c) dot()

C++の場合と同様に実行します。

for _ in {1..4}; do time python3 comp.py; done

結果は次の通り。

Trial #	real	user	sys
1	0m44.816s	5m29.361s	0m17.726s
2	0m49.529s	6m5.012s	0m21.217s
3	0m49.188s	5m58.570s	0m24.681s
4	0m50.497s	6m11.620s	0m22.015s

C++と同じくらいの結果となりました。

まとめ

C++でnumpyのように行列計算を使いたい場合は、xtensorを使えばよさそうです。 処理速度に関しても、少なくとも行列積に関してはnumpyに比べて遅いわけではないようです。