在Rust中测量浮点向量的距离

大家好！

这是一个Rust库。在这里，您可以做

1. 将此crate作为Rust项目的依赖项添加

cargo add floating-distance

2. 查看文档和源代码（点击上面的徽章以获取更多信息）
3. 克隆GitHub仓库并运行示例

cargo run --example default

示例

1. 测量向量v0和v1之间的余弦相似度

use floating_distance::*;

fn main() {
  let v0: &[f32] = &[1.0, 2.0, 2.0, 1.0, 2.0, 1.0, 1.0];
  let v1: &[f32] = &[2.0, 1.0, 1.0, 1.0, 2.0, 1.0, 2.0];
  let metric = Metric::Cosine;
  let result = metric.measure::<f32>(v0, v1);
  let expectation: f32 = 14.0 / (4.0 * 4.0);

  assert_eq!(result, expectation);
}

feature = ["simd"]

SIMD有什么特别之处？

SIMD是Single Instruction Multiple Data的缩写

现代CPU有特殊的指令。我们可以使用它们来加速向量计算！

如何启用SIMD？

您可以通过以下步骤在此crate中启用simd功能

1. 在Cargo.toml清单中指定features = ["simd"]

[dependencies]
floating-distance = { version = "*", features = ["simd"] }

2. 使用Rust nightly版本进行编译。您可以将此添加到rust-toolchain.toml，它与Cargo.toml相邻

[toolchain]
channel = "nightly"

3. （可选）选择目标架构支持的SIMD指令集。您可以使用RUSTFLAGS环境变量和类似以下内容的编译器选项

RUSTFLAGS="-C target-feature=+ssse3" cargo build

RUSTFLAGS="-C target-feature=+avx,+sse3" cargo build --release

您可以通过这种方式找到Rust的所有目标功能

rustc --print target-features

SIMD有多强大？

我在我的笔记本电脑上运行了一个简单的基准测试（架构：aarch64-apple-darwin）。SIMD指令集是NEON。

让我们先看看结果！

• SIMD与无SIMD（单精度浮点类型）比较

no_simd: 198,306 ns/iter (+/- 5,173)
simd:    18,430 ns/iter (+/- 655)

如图所示，我们可以看到SIMD可以显著提高性能！

您也可以通过重复以下步骤进行基准测试

1. 克隆仓库并将其更改到当前目录
2. 在 .cargo/config.toml 中检查目标特性
3. 运行以下命令

(cargo +nightly bench -p benchmarks-no-simd &&
 cargo +nightly bench -p benchmarks-simd) 2> /dev/null

关于 SIMD 特性的说明

1. 该特性是通过 Rust 标准库的实验性特性 portable-simd 构建的。
2. 如果程序使用的是目标架构不支持的目标特性构建，可能会导致运行时错误。