4

我在java中制作了一些内在优化的矩阵包装器（在JNI的帮助下）。需要确认这一点，您能否提供一些有关矩阵优化的提示？我要实施的是：

矩阵可以表示为四组缓冲区/数组，一组用于水平访问，一组用于垂直访问，一组用于对角线访问，以及仅在需要时计算矩阵元素的命令缓冲区。这是一个插图。

Matrix signature: 

0  1  2  3  

4  5  6  7

8  9  1  3

3  5  2  9

First(hroizontal) set: 
horSet[0]={0,1,2,3} horSet[1]={4,5,6,7} horSet[2]={8,9,1,3} horSet[3]={3,5,2,9}

Second(vertical) set:
verSet[0]={0,4,8,3} verSet[1]={1,5,9,5} verSet[2]={2,6,1,2} verSet[3]={3,7,3,9}

Third(optional) a diagonal set:
diagS={0,5,1,9} //just in case some calculation needs this

Fourth(calcuation list, in a "one calculation one data" fashion) set:
calc={0,2,1,3,2,5} --->0 means multiply by the next element
                       1 means add the next element
                       2 means divide by the next element
                       so this list means
                       ( (a[i]*2)+3 ) / 5  when only a[i] is needed.
Example for fourth set: 
A.mult(2),   A.sum(3),  A.div(5), A.mult(B)
(to list)   (to list)  (to list) (calculate *+/ just in time when A is needed )
 so only one memory access for four operations.
 loop start
 a[i] = b[i] * ( ( a[i]*2) +3 ) / 5  only for A.mult(B)
 loop end

如上所示，当需要访问列元素时，第二组提供连续访问。没有飞跃。第一组水平访问也达到了同样的效果。

这应该让一些事情变得更容易，也让一些事情变得更难：

 Easier: 
 **Matrix transpozing operation. 
 Just swapping the pointers horSet[x] and verSet[x] is enough.

 **Matrix * Matrix multiplication.
 One matrix gives one of its horizontal set and other matrix gives vertical buffer.
 Dot product of these must be highly parallelizable for intrinsics/multithreading.
 If the multiplication order is inverse, then horizontal and verticals are switched.

 **Matrix * vector multiplication.
 Same as above, just a vector can be taken as horizontal or vertical freely.

 Harder:
 ** Doubling memory requirement is bad for many cases.
 ** Initializing a matrix takes longer.
 ** When a matrix is multiplied from left, needs an update vertical-->horizontal
 sets if its going to be multiplied from right after.(same for opposite)
 (if a tranposition is taken between, this does not count)


 Neutral:
 ** Same matrix can be multiplied with two other matrices to get two different
 results such as A=A*B(saved in horizontal sets)   A=C*A(saved in vertical sets)
 then A=A*A gives   A*B*C*A(in horizontal) and C*A*A*B (in vertical) without
 copying A. 

 ** If a matrix always multiplied from left or always from right, every access
 and multiplication will not need update and be contiguous on ram.

 ** Only using horizontals before transpozing, only using verticals after, 
 should not break any rules.

主要目的是拥有一个（8 的倍数，8 的倍数）大小的矩阵，并应用具有多个线程的 avx 内在函数（每个胎面同时在一组上工作）。

我只实现了矢量*矢量点积。如果您的编程大师给一个方向，我会进入这个。

我写的点积（使用内在函数）比循环展开版本快 6 倍（是乘法的两倍），当在包装器中启用多线程时（8x --> 使用近 20GB），它也会卡在内存带宽上限/s 接近我的 ddr3 的限制）已经尝试过 opencl，它对 cpu 来说有点慢，但对 gpu 来说很好。

谢谢你。

编辑： “块矩阵”缓冲区将如何执行？当乘以大矩阵时，小块以特殊方式相乘，并且缓存可能用于减少主内存访问。但这需要在垂直-水平-对角线和这个块之间的矩阵乘法之间进行更多更新。

4

2 回答 2

1

这实际上等同于缓存转置。听起来您打算急切地这样做；我只在需要时才计算转置，并记住它以防再次需要它。这样，如果您从不需要它，那么它就永远不会被计算。

于 2013-07-18T00:21:34.243 回答
1

一些库使用表达式模板来启用非常具体的优化函数的应用程序，用于级联矩阵运算。

C++ 编程语言还有一个关于“融合操作”的简短章节（29.5.4，第 4 版）。

这可以连接语句 à la：

M = A*B.transp(); // where M, A, B are matrices

在这种情况下，您需要 3 个类：

class Matrix;

class Transposed
{
public:
  Transposed(Matrix &matrix) : m_matrix(matrix) {}
  Matrix & obj (void) { return m_matrix; }
private:
  Matrix & m_matrix;
};

class MatrixMatrixMulTransPosed
{
public:
  MatrixMatrixMulTransPosed(Matrix &matrix, Transposed &trans) 
    : m_matrix(matrix), m_transposed(trans.obj()) {}
  Matrix & matrix (void) { return m_matrix; }
  Matrix & transposed (void) { return m_transposed; }
private:
  Matrix & m_matrix;
  Matrix & m_transposed;
};

class Matrix
{
  public:
    MatrixMatrixMulTransPosed operator* (Transposed &rhs)
    { 
      return MatrixMatrixMulTransPosed(*this, rhs); 
    }

    Matrix& operator= (MatrixMatrixMulTransPosed &mmtrans)
    {
      // Actual computation goes here and is stored in this.
      // using mmtrans.matrix() and mmtrans.transposed()
    }
};

您可以推进这个概念，以便能够为每一个无论如何都至关重要的计算提供一个特殊的函数。

于 2013-07-18T02:34:08.137 回答