C++ C++；：改进现有的C程序性能

我有一段代码，它给出了将1024x1024个字段的2个矩阵相乘的结果时间：

#include <stdio.h> 
#include <stdlib.h> 
#include <time.h>

#define NUM 1024
float a[NUM][NUM],b[NUM][NUM],c[NUM][NUM]; 
void initialize_matrix(float m[][NUM]); 
void load_matrix(float m[][NUM]); 

int main() {

    int i,j,k; 

    clock_t t_inicial,t_final; 
    load_matrix(a); 
    load_matrix(b); 
    initialize_matrix(c); 

    printf("Starting matrix multiplication 1024x1024...\n\n");

    t_inicial=clock();
    for(i=0;i<NUM;i++) 
    for(j=0;j<NUM;j++) 
    for(k=0;k<NUM;k++) 
    c[i][j] =c[i][j] + a[i][k] * b[k][j]; 
    t_final=clock();

    printf("Matrix multiplication finished in: %3.6f seconds",((float) t_final- (float)t_inicial)/CLOCKS_PER_SEC);

} 

void initialize_matrix(float m[][NUM]) {

    int i,j;
    for(i=0;i<NUM;i++) 
    for(j=0;j<NUM;j++) 
    m[i][j]=0.0; 
    return;

} 
void load_matrix(float m[][NUM]) {

    int i,j;
    #pragma omp parallel for
    for(i=0;i<NUM;i++) 
    for(j=0;j<NUM;j++) 
    m[i][j]=(float) 10*rand()/(float) rand(); 
    return;

}

#包括
#包括
#包括
#定义NUM 1024
浮动a[NUM][NUM]，b[NUM][NUM]，c[NUM][NUM]；
无效初始化_矩阵（浮点m[][NUM]）；
空荷载矩阵（浮点数m[][NUM]）；
int main（）{
int i，j，k；
时钟为最终时钟；
载荷矩阵（a）；
载荷矩阵（b）；
初始化_矩阵（c）；
printf（“开始矩阵乘法1024x1024…\n\n”）；
t_inical=时钟（）；
对于（i=0；i这取决于您正在使用的编译器。对于，您可以在请求优化后使用（使用
gcc-O3-mtune=native
编译）。在基准测试后仔细使用它，请参见（例如，在
i
或
j
循环中，获取下一行）

你的代码非常规则，所以可以使用指令给编译器。甚至可以考虑编译一些内核来利用你的.< /p> < p>这取决于你正在使用的编译器。当然，你可以使用它，当然是在请求优化之后（用<代码> Gcc-O3- Munt=原生< /代码>编译）。.在基准测试后仔细使用，请参见（例如，在
i
或
j
循环中，获取下一行）

<>你的代码是非常规则的，所以可以使用指令到编译器。你甚至可以考虑编译一些内核来利用你的.
一个简单的矩阵乘法的实现不是很好的缓存。你所说的注释可能指的是块，它会在块中进行乘法运算。改进局部性。是一个参考。如果你搜索“缓存块矩阵乘法”你会得到其他的点击。
矩阵乘法的简单实现对缓存不太友好。你听到的评论可能是指块，它将在块中进行乘法以改善局部性。这是一个参考。如果你搜索“缓存块矩阵乘法”您将获得其他点击。
只是交换

for(j=0;j<NUM;j++) 
for(k=0;k<NUM;k++) 

for(j=0;j<NUM;j++) 
  for(j=0;j<NUM;j++) 
    for(k=0;k<NUM;k++) 

（j=0；j只是交换

for(j=0;j<NUM;j++) 
for(k=0;k<NUM;k++) 

for(j=0;j<NUM;j++) 
  for(j=0;j<NUM;j++) 
    for(k=0;k<NUM;k++) 

for（j=0；j@Adriano这个问题是3年前提出来的，不是我要问的。@user3288852这里的问题有多老并不重要…@πάνταῥεῖ 这不是我要问的…@user3288852我不认为它的内容过时了。即使在今天，你也会得到很大的提速（3年前缓存大小还不到1KB）。我知道你想提高代码的性能（有人告诉你是因为缓存大小）此外，在回答中，他们提到了许多其他可以做的事情：编译器进行的循环展开（矩阵大小在编译时已知）即使是SIMD…@user3288852:请不要实质性地改变这样的问题。如果你有不同的问题，发表一篇新的帖子。@Adriano这个问题是3年前提的，不是我要问的。@user3288852这里的问题有多老并不重要…@πάνταῥεῖ 这不是我要问的…@user3288852我不认为它的内容过时了。即使在今天，你也会得到很大的提速（3年前缓存大小还不到1KB）。我知道你想提高代码的性能（有人告诉你是因为缓存大小）此外，在回答中，他们提到了许多其他可以做的事情：编译器进行的循环展开（矩阵大小在编译时已知）甚至SIMD…@user3288852:请不要对这样的问题进行实质性的更改。如果您有不同的问题，请发表一篇新的帖子。作为一个实验，我将块迭代封装在一个迭代器中，但我没有对性能或可读性做出任何声明：现在被推广到N个计数器（目前最高为6个），没有模板递归（尽管模板递归的好处可能大于缺点）：作为一个实验，我将块迭代封装在一个迭代器中，但我没有对性能或可读性做出任何声明：现在推广到N个计数器（目前最高为6个），没有模板递归（尽管模板递归的好处可能大于缺点）：