代码 抽出骨架:一个精简的Openblas api实现

简洁版本的Openblas实现了一个intel x86_64 sgemm,但 保留了 Openblas骨架和精髓

个人觉得Openblas项目中可以借鉴的地方:

1.多线程快速切换(利用job,去更新参数，而不是释放和重新生成新线程)

2.矩阵分块(参考gotoblas的论文)，cache利用(尤其在多线程的情况下控制好L3-L1cache的利用程度，最大程度保证cpu不断流)

3.计算单元汇编级优化，但在工程编译、扩展上有要求灵活快速，所以Openblas编译时候对宏的利用发挥到了极致

目前想到可以改进的地方::

1.线程切换时候用到的job可以使用连续物理内存，确保证缓存在cache中;(至少malloc的比数组要慢，还没尝试mmap)

2.针对不同的矩阵维度可以提前生成汇编 ；比如不常见的27*480000这种矩阵，可以用脚本语言生产汇编代码直接在汇编级代码中展开大循环( 尤其在faster rcnn优化上，因为网络模型固定之后，矩阵维度也就固定了，针对固定的维度去做汇编级别的展开(手写几万行的汇编要累死，脚本语言可以轻松完成))

 参考论文《Anatomy of high-performance matrix multiplication》  http://www.cs.utexas.edu/~pingali/CS378/2007sp/handouts/article.pdf

好像不能传代码附件：贴两张使用到文件和编译过程，也可以顺藤摸瓜了解