如何使用openBLAS改善矢量化操作？

Question

我正在自学如何编写高效，优化的深度学习代码；但是我对此非常新手。

例如：我读到numpy使用vectorization来避免python loops。

根据该链接，他们还创造了broadcasting一词，TensorFlow，PyTorch等使用了该链接。

我做了一些挖掘，发现我的Debian盒子上的ldd显示了multiarray.so链接libopenblasp-r0-39a31c03.2.18.so。

因此，让我们以矩阵减法为例。我想了解如何使用openBLAS改进这种非常幼稚的实现：

void matrix_sub(Matrix *a, Matrix *b, Matrix *res)
{
  assert(a->cols == b->cols);
  assert(a->rows == b->rows);

  zero_out_data(res, a->rows, a->cols);

  for (int i = 0; i < (a->rows*a->cols); i++)
    {
      res->data[i] = a->data[i] - b->data[i];
    }
}

是明智的内部产品，还是附加产品？