显然,转置一个矩阵然后将其相乘比仅将两个矩阵相乘要快。然而,我的代码现在并没有这样做,我不知道为什么......(正常的乘法只是三重嵌套循环,它给了我大约 1.12 秒来乘以 1000x1000 矩阵,而这段代码给了我 8时间(所以更慢而不是更快)...我现在迷路了任何帮助将不胜感激!:D
A = malloc (size*size * sizeof (double));
B = malloc (size*size * sizeof (double));
C = malloc (size*size * sizeof (double));
/* initialise array elements */
for (row = 0; row < size; row++){
for (col = 0; col < size; col++){
A[size * row + col] = rand();
B[size * row + col] = rand();
}
}
t1 = getTime();
/* 这里是要测量的代码 */
T = malloc (size*size * sizeof(double));
for(i = 0; i < size; ++i) {
for(j = 0; j <= i ; ++j) {
T[size * i + j] = B[size * j + i];
}
}
for (j = 0; j < size; ++j) {
for (k = 0; k < size; ++k) {
for (m = 0; m < size; ++m) {
C[size * j + k] = A[size * j + k] * T[size * m + k];
}
}
}
t2 = getTime();
最佳答案
我发现了几个问题。
您只是设置
C[size * j + k]
的值,而不是递增它。尽管这是计算中的错误,但它不应该影响性能。此外,您需要在最内层循环开始之前将C[size * j + k]
初始化为0.0
。否则,您将增加一个未初始化的值。这是一个严重的问题,可能会导致溢出。乘法项错误。
请记住,您的乘法项需要表示:
C[j, k] += A[j, m] * B[m, k], which is C[j, k] += A[j, m] * T[k, m]
而不是
C[size * j + k] = A[size * j + k] * T[size * m + k];
你需要
C[size * j + k] += A[size * j + m] * T[size * k + m]; // ^ ^ ^^^^^^^^^^^^^^^^ // | | Need to get T[k, m], not T[m, k] // | ^^^^^^^^^^^^^^^^ // | Need to get A[j, m], not A[j, k] // ^^^^ Increment, not set.
我认为,除了错误之外,损害性能的主要罪魁祸首是您对 T[size * m + k]
的使用。当您这样做时,需要大量内存跳转(m
是循环中变化最快的变量)来获取数据。当您使用正确的术语 T[size * k + m]
时,相关内容将会减少,您应该会看到性能改进。
总而言之,使用:
for (j = 0; j < size; ++j) {
for (k = 0; k < size; ++k) {
C[size * j + k] = 0.0;
for (m = 0; m < size; ++m) {
C[size * j + k] += A[size * j + m] * T[size * k + m];
}
}
}
您可以通过使用以下方法获得更高的性能:
double* a = NULL;
double* c = NULL;
double* t = NULL;
for (j = 0; j < size; ++j) {
a = A + (size*j);
c = C + (size*j);
for (k = 0; k < size; ++k) {
t = T + size*k;
c[k] = 0.0;
for (m = 0; m < size; ++m) {
c[k] += a[m] * t[m];
}
}
}
PS我还没有测试过代码。只是给你一些想法。
关于c - 将大方阵乘以转置比大方阵相乘慢...如何解决?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/26353988/