cherche fonction Gaussienne rapide

Bonjour,

Avant toute chose je n'ai fait que du C, mes connaissances en C++ sont proches du néant !

Je cherche une fonction qui calcule la fonction Gaussienne :

Code:

---

1 2 3

double GaussPDF(double x, double mu, double sigma){ return invSQRT2PI * exp( ( -(x - mu)*(x - mu) ) / (2 * sigma*sigma) ) / sigma ; }

---

J'ai bien sur utilise cette implémentation, mais comme cette fonction doit être évaluée un très grand nombre de fois les temps de calcul sont très longs.

Je cherche donc une fonction basée sur les lookup tables (je ne connais pas le nom en français). Je pourrait implémenter la mienne mais j'ai bien peur qu'elle ne soit pas du tout optimale !

Existe-il des librairies C++ qui font le travail ? J'ai découvert la librairie boost, mais je ne sais pas si cela résout mon problème.

Merci !

plop,
si t'as pas besoin du resultat du 1 pour le 2eme, ect... je te conseil plutot de faire ca sur gpu si t'en as un sous la main (opencl, directcompute, cuda (nvidia only)).
si t'en as pas tu peux toujours gagner du temps avec du multithreading. ou meme faire un mix des 2 si c'est toujours trop long :roll:

si c'est pas faisable en parallèle... redemande toi si c'est vraiment pas faisable en parallèle.

baaah... si tu veux une lookup table, est tu sur que ca va te donner un gain de temps? (cad, calculer un arrondi qui se trouve dans la table, interpoler....)

t'as 3 paramètres, pouvant varier pas mal. Imaginons que tu prenne une table contenant 1000 valeurs de x, 1000 de mu, 1000 de sigma, le tableau va prendre en mémoire 1000^3*8 = 8000000000, soit 8 Go de mémoire... que tu peux stocker sur disque au pire... vu que tu t'inquiete des resultat optimaux, ca sera pas suffisant comme précision je pense, et la taille augmentera tréés vite (10000 x, 10000 mu, 10000 sigma = 8 To), bref mauvaise idée

Il y a toujours moyen de paralléliser un peu ;) Mais bon étant novice en C++ je vais laisser le CUDA de coté

La lookup table n'a besoin que d'un paramètre, on peut toujours se ramener a une loi N(0,1), indépendante de mu et de sigma. De plus je n'ai pas besoin d'une précision monumentale.

En attendant j'ai trouve une fonction qui calcule exp() 2-3 fois plus vite, cf ce lien

Code:

---

1 2 3 4 5 6

double fast_exp(double y) { double d ; *((int*)(&d) + 0) = 0 ; *((int*)(&d) + 1) = (int)(1512775 * y + 1072632447) ; return d ; }

---

Aucune idée du pourquoi ce truc marche :oops:

comme chuis curieux, j'ai fouiné un peu je suis tombé la dessus http://nic.schraudolph.org/pubs/Schraudolph99.pdf si jamais ca t'intéresse.

Citation:

---

La lookup table n'a besoin que d'un paramètre, on peut toujours se ramener a une loi N(0,1), indépendante de mu et de sigma. De plus je n'ai pas besoin d'une précision monumentale.

---

mouais... en fait j'ai zappé le cours sur les proba et stat désolé :oops:

dans ce cas ca devrait etre jouable de faire une lookup table avec des valeurs suffisament précises pis faire une interpolation, les résultats seraient a mon avis meilleurs et plus rapide que des calculs avec des approximations d'expo.

2-3 fois plus rapide c'est bien, avec cuda tu passerais a 200-1000 fois plus rapide plutot, ca n'a rien de compliqué et c'est du c trés simple.

je sais pas avec quel compilo tu travail, mais tu peux vérifier que les extension style SSE (SSE2, 3, 4, ect) sont activées, ca peut aussi augmenter la rapidité d'execution.

quoi que tu choisisse, bonne chance pour ton projet ;)

Je pense que je vais jeter un coup d'oeil à Cuda... de toute façon il était temps que je m'y mette !

"200-1000 fois plus rapide", c'est vrai que dans les démos NVIDIA...
En pratique, le gain est beaucoup moindre. Il y a un surcoût important pour le transfert de données CPU<->GPU, donc c'est très "problème dépendant".
Bref, voir d'abord la problématique