Question

首先，我知道有很多用于矩阵乘法的算法。对于这个问题，我将考虑以下内容：

算法A：

for(i = 0; i < N; i++)
{
    for(j = 0; j < N; j++)
    {
        prod[i][j] = 0;
            for(k = 0; k < N; k++)
                prod[i][j] += mat1[i][k] * mat2[k][j]
    }
}

算法B：

for(i = 0; i < N; i++)
{
    for(j = 0; j < N; j++)
    {
        temp = 0;
            for(k = 0; k < N; k++)
                temp += mat1[i][k] * mat2[k][j]
        prod[i][j] = temp;
    }
}

同事和我都同意算法B优于（运行时间更快）算法A。但是，我们对B表现更好的原因有不同的推理。

第一个理论是因为我们在最内层循环中替换C[i][j]，所以我们执行N ³较少的指针算术运算，从而导致我们的改进。

第二个理论是因为我们在最内层循环中替换C[i][j]，所以我们执行N ³更少的内存访问，从而导致我们的改进。

问题是：

如何设置实验以隔离这些因素中的每一个，以根据经验确定哪一个（如果有的话）对运行时间有更大的影响？

识别矩阵乘法算法的减速

0 个答案: