C# Math-Leistung auf Raw-Speicher-Stream

Question

Ich überlege, eine Video-Verarbeitungsbibliothek in C# anstelle von C++ zu schreiben. C++ hat den Vorteil, mit Zeigern auf dem rohen Videoframe-Puffer zu arbeiten. C# hat stattdessen einen MemoryStream in diesem Puffer, den es hin und her suchen kann.

Mathematische Formeln müssen auf jedes Pixel einzeln angewendet werden; oder 8 mal 8 oder 16 mal 16, wenn Assembly-Optimierung in C++ verwendet wird.

Wie wird dies in C# mit dem Ausführen in C++ oder mit SSE2-Assembly verglichen?

C# hat den Vorteil, dass es alle CPU-spezifischen Anweisungen wie AVX und AVX2 verwenden kann, weil es die finale Kompilierung on-the-fly durchführt, und wie gut funktioniert es?

Gibt es Best Practices, um C# für solche Aufgaben optimal zu nutzen?

Durch Verschieben des Cursors in einem MemoryStream wird die Syntax im Vergleich zu einem Zeiger ebenfalls komplexer. Gibt es Möglichkeiten, dies zu vereinfachen?

Edit: Basierend auf Kommentaren hier und anderswo, scheint es 2 Optionen.

1. System.Numerics.Vectors
   https://msdn.microsoft.com/en-us/library/dn879696(v=vs.110).aspx#Anchor_4

2. NumPy und SciPy sind beliebte Optionen für eine solche Arbeit in Python, und welche haben in .NET
   https://www.infoq.com/news/2011/07/NumPy-NET

portiert Ideen über die Vor- und Nachteile dieser beiden Optionen? Funktioniert System.Numerics.Vectors mit x86 nur x64? Verwendet SciPy die SIMD-Optimierung?

Wenn Leistung in der Nähe von C++ SIMD in C# erhalten werden kann, ohne mehrere Versionen derselben Funktion (C++, SSE2, AVX) zu schreiben, hätte dies große Vorteile. Es würde SIMD-Optimierungen an Orten ermöglichen, die es sonst nicht verwenden würden.

Edit2: Nirgendwo kann ich lesen, dass NumPy und SciPy die SIMD-Optimierung unterstützen, daher ist System.Numerics.Vectors der richtige Weg.

Answer 1

SIMD-Anweisungen werden nur mit a few data types unterstützt, die Typen werden mit .NET 4.6 geliefert, oder Sie können das NuGet-Paket System.Numerics.Vectors verwenden, um es auf .NET 4.5 zu bekommen.

Ehrlich gesagt, wenn Sie erfahren SSE2 Assembly oder SIMD C++ Code schreiben werden Sie wahrscheinlich viel bessere Leistung mit denen haben und sollte bei demjenigen bleiben, mit denen Sie am meisten Erfahrung haben.