CPU简单暴力运算
矩阵乘法C=A*B就是把A中的每一行去乘以B中的每一列,得到的数就是C中某行某列的元素,下面是简单的三层循环的实现
ma,mb指矩阵A和B的行数,na,nb列数
float* matrix_product_v1(float* matrixA, float* matrixB, int ma, int na, int mb, int nb) {
float* ans = new float[ma * nb]{ 0 };
for (int i = 0; i < ma; i++) {
for (int j = 0; j < nb; j++) {
for (int k = 0; k< na; k++) {
ans[i * nb +j] += matrixA[i* na+k] * matrixB[k* nb+j];
}
}
}
return ans;
}
这种代码每测试一次都是一种煎熬
用生成的200M个数据测试,10000*10000的两个矩阵相乘用了140分钟,将近两个半小时
并行多线程+Strassen矩阵乘法
矩阵乘法有这么多行这么多列,很明显是并行计算的老本行。接下来我们尝试并行处理加速,为接下来CUDA做一些铺垫
先介绍一下Strassen算法:
关于Strassen算法
矩阵乘法的运算三次循环不可避免,它的时间复杂度达到恐怖的O(n^3),对于200M数据的运算是一个天文数字。Strassen算法的核心是分治、空间交换时间、加法交换乘法。
首先将矩阵A和B拆分成分块矩阵A1, A2, A3, A4, B1, B2, B3, B4
[ A 11 A 12 A 21 A 22 ] \left[ \begin{matrix} A11 & A12\\ A21 & A22 \end{matrix} \right] [A11A21A12A22]
[ B 11 B 12 B 21 B 22 ] \left[ \begin{matrix} B11 & B12\\ B21 & B22 \end{matrix} \right] [