分块矩阵乘法的程序性能.docVIP

实验四 分块矩阵乘法的程序性能 一、实验目的 本次实验比较分块矩阵乘法与普通矩阵乘法的性能，并考察分块大小对分块矩阵乘法性能的影响。 二、实验原理 1、 矩阵相乘 为简单起见，本次实验矩阵相乘中的矩阵都是方阵，行数和列数都为 n 。 2、 程序性能 本次实验中考察的程序性能指的是程序的CPU执行时间。在C语言程序中，可以考虑利用clock()函数来计算某段代码执行的CPU时间。 注意，clock()的精度为1ms，对于比较小的矩阵相乘，可能精度不够。如果需要使用高精度的计时方法，可以考虑利用CPU内的实时时钟计数器（RTSC），或性能计数器（Performance Counter）。 3、分块矩阵乘法 1、普通矩阵乘法是采用三层循环完成，如下图所示。 2、分块的矩阵乘法为了利用局部性提高Cache（高速缓存）利用率，采用了如下所示代码。 请编写普通矩阵乘法和分块矩阵乘法的实验和测试代码，记录实验结果。 另外，本次实验还需要研究不同分块大小对性能的影响，请编写相应的实验和测试代码，并记录实验结果。 三、实验步骤 void mmm(double * a, double * b, double * c, int n) { int i, j, k; for (i = 0; i n; i++){ for (j = 0; j n; j++){ for (k = 0; k n; k++){ c[i * n + j] += a[i * n + k] * b[k*n + j]; } } } } void mmm2(double * a, double * b, double * c, int n) { const int B = 10; int i, j, k; int i1, j1, k1; for (i = 0; i n; i+=B){ for (j = 0; j n; j+=B){ for (k = 0; k n; k+=B){ for (i1 = i; i1 i + B; i1++){ for (j1 = j; j1 j + B; j1++){ for (k1 = k; k1 k + B; k1++){ c[i1 * n + j1] += a[i1 * n + k1] * b[k1 * n + j1]; } } } } } } } inline double compute_time(clock_t begin, clock_t end) { return static_castdouble(static_castdouble((end - begin)) / static_castdouble(CLOCKS_PER_SEC)); } int main() { double * a = (double*)malloc(sizeof(double)* n * n); double * b = (double*)malloc(sizeof(double)* n * n); double * c = (double*)malloc(sizeof(double)* n * n); memset(a, 0, sizeof(double) * n * n); memset(b, 0, sizeof(double) * n * n); memset(c, 0, sizeof(double) * n * n); clock_t start = clock(); mmm(a, b, c, n); std::cout compute_time(start, clock()) std::endl;; start = clock(); mmm2(a, b, c, n); std::cout compute_time(start, clock()) std::endl; } 四、实验结果 1、N = 50和N=100时，结果如下图所示： 2、N = 150和N=200时，结果如下图所示： 3、N=250和N=300时，结果如下图所示： 4、N=350和N=400时，结果如下图所示： 5、N=450和N=500时，结果如下图所示： 6、N=550和N=600时，结果如下图所示： 7、N=650和N=700时，结果如下图所示： 8、N=750和N=800时，结果如下图所示： 9、N=850和N=900时，结果如下图所示： 10、N=950和N=1000时，结果如下图所示： 五、结果分析 1、数据列表如