这样的速度，还有提升空间吗？一个 issue 引发的性能大跃进

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

• 请不要在回答技术问题时复制粘贴 AI 生成的内容

这是一个创建于 603 天前的主题，其中的信息可能已经有所发展或是发生改变。

前段时间开源了一个关于音频特征提取和分析的小项目，自己是 AI 音频领域方向的，但受限于对音频特征的理解，做研究时总感觉缺乏“底料”，所以当做是学习练手做了这个小东西。

虽然是学习练手的小项目，但也信心满满，因为核心算法大部分都是 C 实现和 Python 包装的，想着怎么着也比纯 Python 实现的库快些，然后和其它相关 Python 库也做了简单的性能比对，结果确实是比较快，但没想到后面翻车了！！！

两周前收到用户提的一个 issue “Speed is slow, am I miss something? ”，定眼一看大惊失色，结果上我的库是最慢的，赶紧自己电脑上跑下，没想到比用户给出的结果还要难看，这车翻得有些大了！！！这是相关 issue 地址: https://github.com/libAudioFlux/audioFlux/issues/18#issuecomment-1498371872

后面仔细分析发现，我当时测试数据样本尺寸太小，样本尺寸大时就慢了，性能主要卡在矩阵相乘上，后续优化后相比其它库都快不少，但相比 PyTorch 官方的 torchaudio 库还是存在一定的性能差距。

想着认命吧，谁叫人家是 torchaudio 呢，最后经过一周的熬战，尝试 OpenBLAS ，Eigen ，MKL ，FFTW ，SIMD ，并行计算等等各种技术优化点后，详细测试了不同样本尺寸大小数据，在不同 CPU 和不同系统平台的性能对比如下图：

图依次为 Linux/AMD ，macOS/Intel 下的评测结果。
这是详细的测评报告: https://github.com/libAudioFlux/audioFlux/tree/master/benchmark

综合来看，

在 linux/amd 处理器上，audioflux 比 torchaudio 稍快，但在 linux/intel 上稍慢。
在 macOS 系统上，对于大尺寸样本数据，audioflux 比 torchaudio 快，intel 比 m1 明显；对于小尺寸样本数据，torchaudio 比 audioflux 更快。

经过各种艰辛的优化，比之前版本还是其它相关库都快不少，性能优化上我该做的、能做的都做了，但相比 torchaudio 还是不能完胜，希望大家点赞关注赐予我力量，期待后续性能上完胜 torchaudio ！！！

感兴趣的请给个 Star

项目地址: https://github.com/libAudioFlux/audioFlux

torchaudio

样本

Python

audioflux

34 条回复 • 2023-04-26 20:09:36 +08:00

chatWell1

2023-04-25 10:16:36 +08:00

不错哦，图很漂亮

dark009

2023-04-25 10:25:30 +08:00

大佬，怎么没有看到关于 essentia 的对比图呢？

xbcslzy

2023-04-25 10:39:16 +08:00 via iPhone

强已 star

829939

2023-04-25 10:41:08 +08:00

@dark009 essentia 太慢，导致柱状图拉的太高看不清另外两个了😂。所以就没放

CMLab

2023-04-25 10:42:15 +08:00

project:audioflux-0.1.5
runtimes:1
time_steps:1,5,10,100,500,1000,2000,3000
feature_name:mel
radix2_exp:11
slide_length:512
----------
audioflux mel 1 0.23315906
audioflux mel 5 0.18369913
audioflux mel 10 0.19328594
audioflux mel 100 0.59645653
audioflux mel 500 1.74749613
audioflux mel 1000 3.57704639
audioflux mel 2000 6.67310715
audioflux mel 3000 9.54481602
==========
project:torchaudio-0.13.1/torch-1.13.1
runtimes:1
time_steps:1,5,10,100,500,1000,2000,3000
feature_name:mel
radix2_exp:11
slide_length:512
----------
torchaudio mel 1 0.13180018
torchaudio mel 5 0.14314651
torchaudio mel 10 0.17399549
torchaudio mel 100 1.42241955
torchaudio mel 500 9.03672457
torchaudio mel 1000 16.18315935
torchaudio mel 2000 17.63835192
torchaudio mel 3000 28.65790367
==========
project:librosa-0.8.0
runtimes:1
time_steps:1,5,10,100,500,1000,2000,3000
feature_name:mel
radix2_exp:11
slide_length:512
----------
librosa mel 1 2.81565189
librosa mel 5 2.44408846
librosa mel 10 2.65174866
librosa mel 100 4.51287270
librosa mel 500 12.60835171
librosa mel 1000 23.84555340
librosa mel 2000 36.47141218
librosa mel 3000 49.74691391
==========

CMLab

2023-04-25 10:49:15 +08:00

@829939 macOS 13.1 intel 这个数据正常吗？