Matrix 为什么简单的矩阵乘法在Julia中占用了这么多垃圾收集器时间？

我有两个大的ish矩阵D（4096x40）和W（40x2800）

当我使用

@time R=D*W

时，会给出以下统计信息：

38.449856 seconds (1.40 G allocations: 20.932 GiB, 55.88% gc time)

---

55.88%的gc时间令我震惊。一定有更好的方法来做这个简单的矩阵计算。对于这个Julia新手有什么想法吗？

问题是您也在测量编译。如果您以前运行过任何其他矩阵乘法，您将看到一个结果，速度将提高10倍，只需很少的分配

您需要提供有关如何生成

D

和

W

（或至少是它们的类型）的更多信息

这就是我得到的：

julia> D = rand(4096, 40); W = rand(40, 2800);

julia> @time R = D * W;
  0.081237 seconds (7 allocations: 87.500 MiB, 6.74% gc time)

---

我没有想到这是一个类型问题。在我的代码中，D矩阵是

Array{Float64,2}

，W矩阵是

Array{Real，2}

从实到浮的转换产生以下结果：

  0.024569 seconds (6 allocations: 87.500 MiB, 36.84% gc time)

---

好多了

在这种情况下，编译时间不会导致30秒的开销。不，这绝对不是类型问题。这是另外一回事，也许您在第一次尝试时测量了编译时间和分配。将浮点值与实值相乘应该没问题……尽管40秒相当艰难；）你能复制它吗？哦，是的，这更有意义。你遇到了两个问题。第一次调度，第二次，通用乘法，而不是BLAS乘法