Matrix 计算C=A x B x A的最快方法

使用“英特尔MKL”计算C=A x B x A的最快方法是什么

A、 B，C都是（nxn）矩阵

目前我正在使用两次

cblas_ggemm

，请参阅

请参阅以下伪代码：

C = dgemm(dgemm(A, B), A)

for i = 1:m
    C[i] = dgemm(dgemm(A, B[i]), A)
end

有没有更快的计算方法

编辑

我有多个矩阵

B[I]

，我想用同一个矩阵

A

计算多个矩阵

C[I]

，请参见以下伪代码：

C = dgemm(dgemm(A, B), A)

for i = 1:m
    C[i] = dgemm(dgemm(A, B[i]), A)
end

---

如果我能加快计算速度，那就太好了：-）

这些矩阵有什么特殊性质吗？对称、正交等？它们中的任何一个是否重复使用超过一次迭代？唯一特别的是函数中有两次

a

。在

B

的左侧和右侧。是的，会有不同的

B[i]

和

A

保持不变。我将编辑这个问题。

A

，或者每个

B[I]

的结构有什么特殊之处吗？我在对角线

B[I]

和计算

C=transpose（a）*B[I]*a

的情况下也处于类似的情况。另外，

n

通常是什么，你看过类型算法吗？在我的例子中，n在10到1000之间。m可能在1到10000之间。我希望

Strassen

是在英特尔MKL cblas_dgemm中实现的。这些矩阵有什么特殊属性吗？对称、正交等？它们中的任何一个是否重复使用超过一次迭代？唯一特别的是函数中有两次

a

。在

B

的左侧和右侧。是的，会有不同的

B[i]

和

A

保持不变。我将编辑这个问题。

A

，或者每个

B[I]

的结构有什么特殊之处吗？我在对角线

B[I]

和计算

C=transpose（a）*B[I]*a

的情况下也处于类似的情况。另外，

n

通常是什么，你看过类型算法吗？在我的例子中，n在10到1000之间。m可能在1到10000之间。我希望

Strassen

能在英特尔MKL cblasèdgemm中实现。