perflab实验报告.doc

【知识点详解】 这篇实验报告涉及的是程序性能优化，特别是针对图像处理中的两个关键函数：rotate 和 smooth。实验的目的是通过优化这两个函数来提高程序的执行效率。报告中提到了两个函数的基本实现，以及如何通过改进代码来提升空间局部性和减少循环次数。 1. **rotate 函数**： - **函数作用**：rotate 函数用于将点阵图像按90度旋转。它通过遍历图像的每一个像素并进行行列调位来实现旋转。 - **问题分析**：原始的 rotate 函数由于循环次数过多，导致程序局部性不好，这可能影响到CPU缓存的效率。 - **优化策略**：采用循环展开技术，将大循环拆分为4x4的小块，提高了空间局部性，使得更多的数据可以被缓存在高速缓存中，减少了内存访问的次数，从而提高性能。 - **CPE分析**：CPE（Cycle Per Element）是衡量执行效率的指标，通过对比不同尺寸的图像，可以看出优化后的 rotate 函数在大尺寸图像上具有更好的性能表现，因为它减少了因缓存未命中的开销。 2. **smooth 函数**： - **函数作用**：此函数用于模糊化图像，通过计算像素的平均值实现。它遍历每个像素，并频繁调用 avg 函数。 - **问题分析**：除了循环次数过多外，avg 函数的多次调用增加了计算开销，且内部可能包含更多函数调用，这会增加执行时间和内存访问。 - **优化策略**：减少 avg 函数的调用次数，可能的方法是预先计算部分或全部相邻像素的平均值，存储在数组中，然后直接使用。同时，对循环进行展开也有助于提升效率。 - **优化实现**：报告中展示了预计算一行像素的平均值并存储在二维数组rowsum中的方法，以减少运行时的计算和函数调用。 3. **实验环境**： - 使用的是Vmware虚拟机上的 Ubuntu 12.04 Linux 系统，这为实验提供了稳定的操作环境，同时也方便进行性能测试和分析。 4. **实验要求**： - 实验者需要对每个函数至少提出3种优化版本，并通过driver进行测试，获取CPE和加速比数据，以便进行性能分析。 5. **性能分析**： - 通过对比不同版本的rotate和smooth函数在不同尺寸图像上的CPE，可以评估优化效果。通常，优化后的函数在处理更大尺寸的数据时，其CPE应相对稳定，表明优化成功地减少了对缓存的依赖。 总结，这个实验报告探讨了程序性能优化的关键点，包括理解函数的逻辑，识别性能瓶颈，以及应用循环展开和减少函数调用来提高空间局部性。通过这种方式，可以显著提升图像处理程序的运行效率，尤其是在处理大量数据时。在实际的软件开发中，这些优化技巧对于提升整体系统性能至关重要。