https://github.com/burgundytora/mdvector
A high-performance multidimensional SIMD vector library for C++ (auto-type-simd/expression-template/python-style-slice)
https://github.com/burgundytora/mdvector
cplusplus cpp cpp17 header-only high-performance-computing python-style-slicing simd
Last synced: about 1 year ago
JSON representation
A high-performance multidimensional SIMD vector library for C++ (auto-type-simd/expression-template/python-style-slice)
- Host: GitHub
- URL: https://github.com/burgundytora/mdvector
- Owner: Burgundytora
- License: bsd-3-clause
- Created: 2025-03-07T06:00:01.000Z (about 1 year ago)
- Default Branch: main
- Last Pushed: 2025-04-03T00:48:01.000Z (about 1 year ago)
- Last Synced: 2025-04-03T01:28:35.419Z (about 1 year ago)
- Topics: cplusplus, cpp, cpp17, header-only, high-performance-computing, python-style-slicing, simd
- Language: C++
- Homepage:
- Size: 213 KB
- Stars: 4
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# mdvector - 多维高性能SIMD向量库
**mdvector** 是一个**C++17**标准下、**轻量级头文件**形式、基于现代C++的多维数组计算库，通过 **SIMD指令集优化** 和 **表达式模板技术**，在元素级运算（Element-wise）场景下达到**接近手写汇编极限性能**，同时支持**python风格切片操作**与切片之间高性能计算。
**mdvector** is a **C++17** based **lightweight header-only** multidimensional array computing library based on modern C++. Through **SIMD instruction set optimization** and **expression template techniques**, it achieves **near hand-written assembly performance** in element-wise operations while supporting **Python-style slicing operations** and high-performance computation on slices.
## 🚀 核心特性
### 1. 极致性能优化【已支持】
- **SIMD 全指令集支持**：SSE/AVX2/AVX512（x86）、NEON（ARM）、RISC-V自动适配，内存对齐与尾部掩码处理，相比手写指令集无性能损失
- **表达式模板**：复杂运算（如 `res = a + b - c * d / e`）零临时变量开销
### 2. 多维与视图的灵活操作【已支持】
- **任意维度支持**：通过自定义实现（C++17）实现多维索引功能，对标 `std::mdspan`（C++23）特性
- **安全索引**：`vec.at(d1,d2,d3)`（边界检查）与 **快速索引** `vec(d1,d2,d3)` ，需指出`vec[d1,d2,d3]`形式的[]索引重载需要C++23才能支持
- **惰性视图**：支持自定义指针偏移实现切片（`subspan`） 切片同样支持高性能表达式模板计算操作
### 3. 内存安全设计【评估中】
- **Rust风格安全证明**：所有 `unsafe` 操作可以绑定维度类型来静态验证
- **编译期形状检查**：通过类型系统确保维度一致性
### 4. 跨平台兼容【已支持】
- **指令集自动适配**：x86/ARM/RISC-V 架构无缝切换
- **编译器友好**：GCC/Clang/MSVC 全支持
- **轻量级**：头文件形式
- **兼容性**：只需要C++17标准即可，无需C++23的标准库mdspan等特性
### 5. 未来特性
- **高性能三角函数**：集成simd形式高性能三角函数，扩展mdvector在科学计算领域的适用性
- **更多灵活切片方法**：更多切片方法，如python风格跨步长子视图，以及降维等实用操作
- **更多类型支持**：目前mdvector支持float与double，未来考虑兼容int以及自定义类型（但是会要求类型POD，同时会去掉表达式模板运算功能，保留多维索引与子视图功能）
- **基本科学计算功能扩展**：三维坐标计算、四元数计算等基础功能
- **单头文件使用**：single_include形式，只需引入单个头文件，指令集检测选择内嵌到单头文件代码中，同时提供手动指定指令集功能
- **关于C++23及以上标准**：目前`mdspan`与`subspan`为自定义实现，给予C++17标准，未来考虑使用C++23及以上标准时，自动替换自定义实现为标准库实现方式
- **接口**：与eigen等库的无开销映射
### 6. 目前不考虑的特性
- **复杂矩阵运算**：GEMM等不在考虑范围，建议使用eigen
- **稀疏矩阵**：同样建议使用eigen、blas、mkl等
- **复杂科学计算**：复数运算、频域计算暂不在考虑范围内
## 📊 性能对比
- **md expr为此项目**
- **hwy为google-highway**
- **expr为基于for循环的表达式模板**
性能对比(越高越好)
性能对比(越高越好)
性能对比(越高越好)
性能对比(越高越好)
## 📦 快速开始
### 使用
- git clone https://github.com/Burgundytora/mdvector.git
- cmake中添加次仓库目录 然后include mdvector.h头文件即可 cmake指令集与编译选项参考附带cmake文件夹 或者引入simd的cmake
- 未来会适配single_include形式