时间:2021-03-05 12:40:58 | 栏目:C代码 | 点击:次
C语言行优先和列优先的问题深入分析
摘要
本文主要探讨的是“行优先”原则和“列优先”原则的问题。
1. 背景
首先了解“行优先”和“列优先”的知识,这两种方式在数学上的直观描述如下,给定如下矩阵:
根据行优先的原则,其排序方式为
根据列优先的原则,其排序方式为
2. 计算机领域的应用
行列优先原则在计算机领域的应用主要如下。行优先或者列优先没有好坏,但其直接涉及到对内存中数据的最佳存储访问方式。因为在内存使用上,程序访问的内存地址之间连续性越好,程序的访问效率就越高;相应地,程序访问的内存地址之间连续性越差。所以,我们应该尽量在行优先机制的编译器,比如C/C++,CUDA等等上,采用行优先的数据存储方式;在列优先机制的编译器,比如Fortune, Matlab等等上,采用列优先的数据存储方式。但这种思想渗透到编程中之后,代码的质量就会提高一个档次。
3. 以矩阵计算为例(Matlab编译器下测试)
% data A = [ 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9]; B = [ 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9]; C = zeros(9,9); % The method of matrix multiplication in Matlab tic C = A*B; toc % Our impletation method of matrix multiplication tic for ra = 1:9 % raws of the matrix A for cb = 1:9 % columns of the matrix B for len = 1:2 C(ra,cb) = A(ra,len)*B(len,cb)+C(ra,cb); end end end toc % Optimal method 1 tic for cb = 1:9 % columns of the matrix B for ra = 1:9 % raws of the matrix A for len = 1:2 C(ra,cb) = A(ra,len)*B(len,cb)+C(ra,cb); end end end toc % Advanced optimal method 2 A = A'; % you can also directly given A = [ 1 2 3 4 5 6 7 8 9 % 1 2 3 4 5 6 7 8 9]; B = [ 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9]; tic for i = 1:9 % columns of the matrix A for j = 1:9 % columns of the matrix B for len = 1:2 C(i,j) = A(len,i)*B(len,j)+C(i,j); end end end toc
4. 测试和分析
测试结果如上图所示,第一个时间为Matlab自带的乘法运算,第二个为我们原始实现的乘法计算,第三个为循环中行列变换(适应列优先编译器的处理)。
最重要的是第四个是本人原创的矩阵乘法方法,简单地说就是将A矩阵转置,然后设计相应的算法实现矩阵乘运算。在这个点上,希望在理解原理的基础上能给读者一些启发。在本例中,这样做效率最高,原因其一是本例中原始数据结构上适合我这样处理;原因其二是这样做的目的是使得任何一个子乘法的处理上,两乘数所在的内存空间上都是连续,而不仅仅是一个连续(注意:这是本文的核心,读者理解透了一定会很有收获,认真看我给出的程序实现。这是核心,不懂的可以交流思想)!
另外,本文中我给出的这个方法是矩阵乘法里面最优的方法,至少数学逻辑上是这样。之所以Matlab自带的乘法计算之所以性能还不错,是因为Matlab自带的运算都是经过优化的,包括硬件加速,系统加速等自己设计的应用很能调用加速方法。
感谢阅读,希望能帮助到大家,谢谢大家对本站的支持!