绝望了,INTEL编程大赛第一题。

yyc520 2007-07-03 05:11:11
为什么读取整个文件的开销要比读取整个文件且求出最大值的开销还要大呢?

我用的测试文件大小为1GB;内存1GB,CPU双核3.39G,硬盘STAT2接口160G

两个原代码如下:

// Float2.cpp
#include <stdio.h>
#include <time.h>

//#define _MY_DBG_

#ifdef _MY_DBG_
#define print(x) printf x;
#else
#define print(x) ;
#endif

#define DATA_PRE_COUNT (1024*4+3)


int main(int argc, char * argv[])
{
FILE * fp = NULL;
register float fMaxT;
register float fMin=0.0;
register float fMax=0.0;
float buf[DATA_PRE_COUNT];
int offset=0;
int baseOffset=0;

fp = fopen(argv[1], "rb");

clock_t c_start = clock();

int readlen = fread(buf, sizeof(float), DATA_PRE_COUNT, fp);
while (!feof(fp))
{
for (int i=0;i<DATA_PRE_COUNT-3;i++)
{
fMaxT = buf[i]*buf[i+1]*buf[i+2]*buf[i+3];
if (fMaxT>fMax)
{
fMax = fMaxT;
offset = baseOffset+i;
fMin=fMax/1e12f;
print(("[%9d] (%8.2f,%8.2f,%8.2f,%8.2f) <%8.2f>\n",
offset, buf[i],buf[i+1],buf[i+2],buf[i+3],fMax/1e12f));
}
}
baseOffset += DATA_PRE_COUNT-3;
buf[0] = buf[DATA_PRE_COUNT-3];
buf[1] = buf[DATA_PRE_COUNT-2];
buf[2] = buf[DATA_PRE_COUNT-1];
readlen = fread(buf+3, sizeof(float), DATA_PRE_COUNT-3, fp);
if (readlen != (DATA_PRE_COUNT-3))
{
int cnt = readlen-3;
if (cnt < 0)
{
break;
}
for (int j=0;j<cnt;j++)
{
fMaxT = buf[j]*buf[j+1]*buf[j+2]*buf[j+3];
if (fMaxT>fMax)
{
fMax = fMaxT;
offset = baseOffset+j;
fMin=fMax/1e12f;
print(("[%9d] (%8.2f,%8.2f,%8.2f,%8.2f) <%8.2f>\n",
offset, buf[j],buf[j+1],buf[j+2],buf[j+3],fMax/1e12f));
}
}
break;
}
}
clock_t c_end = clock();

printf("乘积=%f 首数的序号=%d\n", fMax, offset);
printf("clocks is %d\n", c_end-c_start);
return 0;
}


// Float3.cpp
#include <stdio.h>
#include <time.h>

//#define _MY_DBG_

#ifdef _MY_DBG_
#define print(x) printf x;
#else
#define print(x) ;
#endif

#define DATA_PRE_COUNT (1024*4+3)


int main(int argc, char * argv[])
{
FILE * fp = NULL;
register float fMaxT;
register float fMin=0.0;
register float fMax=0.0;
float buf[DATA_PRE_COUNT];
int offset=0;
int baseOffset=0;

fp = fopen(argv[1], "rb");

clock_t c_start = clock();

int readlen = fread(buf, sizeof(float), DATA_PRE_COUNT, fp);
while (!feof(fp))
{
/* for (int i=0;i<DATA_PRE_COUNT-3;i++)
{
fMaxT = buf[i]*buf[i+1]*buf[i+2]*buf[i+3];
if (fMaxT>fMax)
{
fMax = fMaxT;
offset = baseOffset+i;
fMin=fMax/1e12f;
print(("[%9d] (%8.2f,%8.2f,%8.2f,%8.2f) <%8.2f>\n",
offset, buf[i],buf[i+1],buf[i+2],buf[i+3],fMax/1e12f));
}
}
baseOffset += DATA_PRE_COUNT-3;
buf[0] = buf[DATA_PRE_COUNT-3];
buf[1] = buf[DATA_PRE_COUNT-2];
buf[2] = buf[DATA_PRE_COUNT-1];
*/
readlen = fread(buf+3, sizeof(float), DATA_PRE_COUNT-3, fp);
/* if (readlen != (DATA_PRE_COUNT-3))
{
int cnt = readlen-3;
if (cnt < 0)
{
break;
}
for (int j=0;j<cnt;j++)
{
fMaxT = buf[j]*buf[j+1]*buf[j+2]*buf[j+3];
if (fMaxT>fMax)
{
fMax = fMaxT;
offset = baseOffset+j;
fMin=fMax/1e12f;
print(("[%9d] (%8.2f,%8.2f,%8.2f,%8.2f) <%8.2f>\n",
offset, buf[j],buf[j+1],buf[j+2],buf[j+3],fMax/1e12f));
}
}
break;
}
*/
}
clock_t c_end = clock();

printf("乘积=%f 首数的序号=%d\n", fMax, offset);
printf("clocks is %d\n", c_end-c_start);
return 0;
}

Float2 data1.dat
乘积=9861133242466304.000000 首数的序号=110335127
clocks is 25812

Float3 data1.dat
乘积=0.000000 首数的序号=0
clocks is 26687

Float2 data1.dat
乘积=9861133242466304.000000 首数的序号=110335127
clocks is 26828

Float3 data1.dat
乘积=0.000000 首数的序号=0
clocks is 27140
...全文
635 4 打赏 收藏 举报
写回复
用AI写文章
4 条回复
切换为时间正序
请发表友善的回复…
发表回复
yyc520 2007-07-03
  • 打赏
  • 举报
回复
可不是有明确表示,是从程序启动到运行结束所使用的时间么。只有第三道题好像说了要计算TICKS
  • 打赏
  • 举报
回复
个人认为:intel测试时会把io的开销不考虑在内,只测试计算时间,因为它提供的代码框架很明显有此意图在内。

By the way, 你的内存load 系统以后,剩余的容量不够contain整个数据,所以会在io时频繁页面和磁盘发生交换,也影响了读数据的性能,尝试小一点的数据说不定测试数据会好一些
orlando1108 2007-07-03
  • 打赏
  • 举报
回复
看晕了!!!!
yyc520 2007-07-03
  • 打赏
  • 举报
回复
但如果数据少结果就好多了

我用的测试文件大小为64M;内存1GB,CPU双核3.39G,硬盘STAT2接口160G

Float2 data1.dat
乘积=9664972422381568.000000 首数的序号=13430593
clocks is 156
Float3 data1.dat
乘积=0.000000 首数的序号=0
clocks is 78

看样子是要对文件读取进行优化了。
内容概要:本文提出并实现了一种基于Transform-KAN混合架构的电力负荷预测模型,旨在通过融合Transformer在长序列建模中的注意力机制优势与Kolmogorov-Arnold Network(KAN)在函数逼近方面的高精度非线性拟合能力,显著提升负荷预测的准确性与鲁棒性。研究系统阐述了模型的整体结构设计、输入特征工程、训练流程及关键超参数配置,并利用真实电力系统历史数据进行多步预测实验,验证了该方法在处理非线性、非平稳负荷序列时的优越性能。重点探讨了新型神经网络结构在时间序列预测任务中的创新应用,为复杂电力系统负荷的精准预估提供了有效的技术路径。; 适合人群:具备一定编程基础和机器学习知识,从事电力系统、能源管理或时间序列预测相关研究的研发人员,尤其适合工作1-3年希望深入理解前沿预测模型的技术人员。; 使用场景及目标:①应用于电网调度、能源管理系统中对未来电力负荷的精确预测;②探索Transformer与KAN等新兴神经网络模型在实际工业场景中的融合设计与实现方法;③为学术研究提供可复现的高性能负荷预测基准方案。; 阅读建议:此资源以Python代码实现为核心,强调理论与实践相结合,建议读者在学习过程中仔细研读模型架构细节,动手运行并调试代码,结合实验结果深入理解各模块的作用与优化策略,从而全面掌握该先进预测方法的设计精髓。

568

社区成员

发帖
与我相关
我的任务
社区描述
英特尔® 边缘计算,聚焦于边缘计算、AI、IoT等领域,为开发者提供丰富的开发资源、创新技术、解决方案与行业活动。
社区管理员
  • 英特尔技术社区
  • shere_lin
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧