博客
关于我
C++ 利用硬件加速矩阵乘法
阅读量:603 次
发布时间:2019-03-06

本文共 2946 字,大约阅读时间需要 9 分钟。

文章目录

一、矩阵乘法定义

  • 矩阵 A x × y A_{x \times y} Ax×y 和 矩阵 B u × v B_{u \times v} Bu×v 相乘的前提条件是 y = = u y==u y==u ,并且相乘后得到的矩阵为 C x × v C_{x \times v} Cx×v(即 A A A 的行和 B B B 的列构成了矩阵 C C C 的行列);

二、矩阵类封装

  • 我们用 C++ 封装了一个 n × m n \times m n×m 的矩阵类,用二维数组来存储数据,定义如下:
#define MAXN 1000#define LL __int64class Matrix {   private:	int n, m;	LL** pkData;public:	Matrix() : n(0), m(0) {   		pkData = NULL;	}	void Alloc() {   		pkData = new LL *[MAXN];                       // 1)		for (int i = 0; i < MAXN; ++i) {   			pkData[i] = new LL[MAXN];		}	}	void Dealloc() {   		if (pkData) {   			for (int i = 0; i < MAXN; ++i) {              // 2)				delete [] pkData[i];			}			delete[] pkData;			pkData = NULL;		}	}};
  • 1) p k D a t a pkData pkData 可以认为是一个二维数组( p k D a t a [ i ] [ j ] pkData[i][j] pkData[i][j] 就是矩阵第 i 行,第 j 列的数据),之所以这里用了二维指针,是因为当 MAXN 很大时,栈上分配不了这么多空间,容易导致栈溢出,所以通过 new 把空间分配在了堆上;
  • 2)释放空间的时候,首先释放低维空间,再释放高维空间;

三、矩阵乘法实现

1、 i j k ijk ijk

  • 最简单的矩阵乘法实现如下:
class Matrix {   	...public:	void Multiply_ijk(const Matrix& other, Matrix& ret) {   		// assert(m == other.n);		ret.Reset(n, other.m);		int i, j, k;		for (i = 0; i < n; i++) {   			for (j = 0; j < other.m; j++) {   				for (k = 0; k < m; k++) {   					ret.pkData[i][j] += pkData[i][k] * other.pkData[k][j];				}			}		}	}};
  • 这种方法被称为 i j k ijk ijk 式,对矩阵乘法 A × B = C A \times B = C A×B=C,枚举 A A A 的每一行,再枚举 B B B 的每一列,分别对应相乘后放入矩阵 C C C 的对应位置中,如下图所示;
    在这里插入图片描述

2、 i k j ikj ikj

  • 对上述算法进行一些改进,交换两个内层循环的位置,得到如下算法:
class Matrix {   	...public:	void Multiply_ikj(const Matrix& other, Matrix& ret) {   		// assert(m == other.n);		ret.Reset(n, other.m);		int i, j, k;		for (i = 0; i < n; i++) {   			for (k = 0; k < m; k++) {   				LL v = pkData[i][k];				for (j = 0; j < other.m; j++) {   					ret.pkData[i][j] += v * other.pkData[k][j];				}			}		}	}};
  • 这种方法被称为 i k j ikj ikj 式,对矩阵乘法 A × B = C A \times B = C A×B=C,行优先枚举 A A A 的每一个格子,再枚举 B B B 的每一行,分别对应相乘后放入矩阵 C C C 的对应位置中,每次相乘得到的 C C C 都是部分积,如下图所示,用绿色的深浅来表示这个值是否已经完整求得;
    在这里插入图片描述

3、 k i j kij kij

  • 对上述算法再进行一些改进,交换两个外层循环的位置,得到如下算法:
class Matrix {   	...public:	void Multiply_kij(const Matrix& other, Matrix& ret) {   		// assert(m == other.n);		ret.Reset(n, other.m);		int i, j, k;		for (k = 0; k < m; k++) {   			for (i = 0; i < n; i++) {   				LL v = pkData[i][k];				for (j = 0; j < other.m; j++) {   					ret.pkData[i][j] += v * other.pkData[k][j];				}			}		}	}};
  • 这种方法被称为 k i j kij kij 式,对矩阵乘法 A × B = C A \times B = C A×B=C,列优先枚举 A A A 的每一个格子,再枚举 B B B 的每一行,分别对应相乘后放入矩阵 C C C 的对应位置中,每次相乘得到的 C C C 都是部分积,如下图所示,用绿色的深浅来表示这个值是否已经完整求得;
    在这里插入图片描述

四、时间测试

矩阵阶数 i j k ijk ijk i k j ikj ikj k i j kij kij
200 47 ms 31 ms 16 ms
500 781 ms 438 ms 453 ms
1000 8657 ms 3687 ms 3688 ms
2000 69547 ms 28000 ms 29672 ms
  • 由于矩阵乘法本身的时间复杂度是 O(N3) 的,所以数据量越大,越能看出实际效果;

五、原理分析

  • 原因是因为 CPU 访问内存的速度比 CPU 计算速度慢得多,为了解决速度不匹配的问题,在 CPU 与 内存 之间加了高速缓存cache。高速缓存 cache 的存在大大提高了 CPU 访问数据的速度。但是当内存访问不连续的时候,就会导致 cache 命中率降低,所以为了加速,就要尽可能使内存访问连续,即不要跳来跳去。
  • 矩阵

六、最后结论

  • 运行速度: i k j ≈ k i j > i j k ikj \approx kij > ijk ikjkij>ijk
  • 模板地址:

转载地址:http://lijdz.baihongyu.com/

你可能感兴趣的文章
mysql5.5最简安装教程
查看>>
mysql5.6 TIME,DATETIME,TIMESTAMP
查看>>
mysql5.6.21重置数据库的root密码
查看>>
Mysql5.6主从复制-基于binlog
查看>>
MySQL5.6忘记root密码(win平台)
查看>>
MySQL5.6的Linux安装shell脚本之二进制安装(一)
查看>>
MySQL5.6的zip包安装教程
查看>>
mysql5.7 for windows_MySQL 5.7 for Windows 解压缩版配置安装
查看>>
Webpack 基本环境搭建
查看>>
mysql5.7 安装版 表不能输入汉字解决方案
查看>>
MySQL5.7.18主从复制搭建(一主一从)
查看>>
MySQL5.7.19-win64安装启动
查看>>
mysql5.7.19安装图解_mysql5.7.19 winx64解压缩版安装配置教程
查看>>
MySQL5.7.37windows解压版的安装使用
查看>>
mysql5.7免费下载地址
查看>>
mysql5.7命令总结
查看>>
mysql5.7安装
查看>>
mysql5.7性能调优my.ini
查看>>
MySQL5.7新增Performance Schema表
查看>>
Mysql5.7深入学习 1.MySQL 5.7 中的新增功能
查看>>