Swift-iOS中的交叉积

我想在两个向量R^n之间做一个叉积，有没有最优化的方法

我看了图书馆，但还是什么也找不到

当且仅当n=0、1、3或7时，Rn中可以存在叉积

资料来源：

所以不，你肯定找不到任何这样的图书馆。如果您的意思是元素方面的，那么可以使用Accelerate。下面是一个简短的测试：

import Accelerate

let n = 10_000_000

let a = (0..<n).map{ _ in Double(arc4random()) / Double(UInt32.max) }
let b = (0..<n).map{ _ in Double(arc4random()) / Double(UInt32.max) }

print("A: [\(a.prefix(10).map{ "\($0)" }.joinWithSeparator(", ")), ...]")
print("B: [\(b.prefix(10).map{ "\($0)" }.joinWithSeparator(", ")), ...]")

var result = [Double](count: n, repeatedValue: 0)

let start = mach_absolute_time()
vDSP_vmulD(a, 1, b, 1, &result, 1, UInt(n))
let stop = mach_absolute_time()

let time = Double(stop - start) / Double(NSEC_PER_SEC)

print("Time: \(time) for \(n) elements")
print("Result: [\(result.prefix(10).map{ "\($0)" }.joinWithSeparator(", ")), ...]")

1000万个元素的0.024秒相当快

当且仅当n=0、1、3或7时，Rn中可以存在叉积

资料来源：

所以不，你肯定找不到任何这样的图书馆。如果您的意思是元素方面的，那么可以使用Accelerate。下面是一个简短的测试：

import Accelerate

let n = 10_000_000

let a = (0..<n).map{ _ in Double(arc4random()) / Double(UInt32.max) }
let b = (0..<n).map{ _ in Double(arc4random()) / Double(UInt32.max) }

print("A: [\(a.prefix(10).map{ "\($0)" }.joinWithSeparator(", ")), ...]")
print("B: [\(b.prefix(10).map{ "\($0)" }.joinWithSeparator(", ")), ...]")

var result = [Double](count: n, repeatedValue: 0)

let start = mach_absolute_time()
vDSP_vmulD(a, 1, b, 1, &result, 1, UInt(n))
let stop = mach_absolute_time()

let time = Double(stop - start) / Double(NSEC_PER_SEC)

print("Time: \(time) for \(n) elements")
print("Result: [\(result.prefix(10).map{ "\($0)" }.joinWithSeparator(", ")), ...]")

1000万个元素0.024秒的并行执行速度相当快

如果您正在寻找Elementwise产品操作

a=（1.0,2.0）

b=（3.0,4.0）

a*b=（a1*b1，a2*b2）=（3.0,8.0）

如果您想要在iOS上获得尽可能快的性能，您应该使用

simd

框架（单指令多数据）

为什么simd这么快？ 如果没有simd，计算

a*b

将需要执行两个步骤

计算

a1*b1

并将结果放入

res1

计算

a2*b2

并将结果放入

res2

另一方面，使用

simd

这两个操作是并行完成的。这是可能的，因为这两个步骤的操作相同，数据不同。这正是

simd

所允许的

更多 从

单指令多数据（SIMD）是Flynn分类法中的一类并行计算机。它描述了具有多个处理元件的计算机，这些处理元件在多个数据点上同时执行相同的操作

因此，这类机器利用数据级并行性，但不利用并发性：有同时（并行）计算，但在给定时刻只有一个进程（指令）

SIMD特别适用于常见任务，如调整数字图像的对比度或调整数字音频的音量

大多数现代CPU设计都包含SIMD指令，以提高多媒体使用的性能

并行执行 如果您正在寻找Elementwise产品操作

a=（1.0,2.0）

b=（3.0,4.0）

a*b=（a1*b1，a2*b2）=（3.0,8.0）

如果您想要在iOS上获得尽可能快的性能，您应该使用

simd

框架（单指令多数据）

为什么simd这么快？ 如果没有simd，计算

a*b

将需要执行两个步骤

计算

a1*b1

并将结果放入

res1

计算

a2*b2

并将结果放入

res2

另一方面，使用

simd

这两个操作是并行完成的。这是可能的，因为这两个步骤的操作相同，数据不同。这正是

simd

所允许的

更多 从

单指令多数据（SIMD）是Flynn分类法中的一类并行计算机。它描述了具有多个处理元件的计算机，这些处理元件在多个数据点上同时执行相同的操作

因此，这类机器利用数据级并行性，但不利用并发性：有同时（并行）计算，但在给定时刻只有一个进程（指令）

SIMD特别适用于常见任务，如调整数字图像的对比度或调整数字音频的音量

大多数现代CPU设计都包含SIMD指令，以提高多媒体使用的性能

---

我相信您正在寻找GLKit：它本身就支持向量乘法。还有多个第三方库：例如，我相信您正在寻找GLKit：它本身就支持向量乘法。还有多个第三方库：例如，

import simd

let v0 = float2(1.0, 2.0)
let v1 = float2(3.0, 4.0)

let res = v0 * v1
print(res) // float2(3.0, 8.0)