当前位置:主页 > 软件编程 > C代码 >

C语言行优先和列优先的问题深入分析

时间:2021-03-05 12:40:58 | 栏目:C代码 | 点击:

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!

您可能感兴趣的文章:

相关文章