并行矩阵乘法的实现与对比，CPU单线程串行//CPU双线程并行//CPU,PPL并行库//GPU,AMP并发//GPU,AMP分组优化

并行矩阵乘法的实现与对比，CPU单线程串行/CPU双线程并行/CPU,PPL并行库/GPU,C++AMP并发/GPU,C++AMP分组优化

如题，我会细讲部分代码和原理，保证各位能看懂。然后我没有使用类的方式来封装，各位复制代码可以随意进行自我使用，怎么方便怎么来。

头文件

先贴出头文件matrix.h大致看一下：

#pragma once
#include <iostream>
#include <amp.h>
#include <WinBase.h>
#include <cstdlib>
#include <amp_math.h>
#include <ppl.h>
#include <iomanip>
#include <thread>
#include <chrono>

using namespace std::chrono;

#define M_PI acos(-1)
#define Random(x) (rand() % x)
#define _point 1
#define _optimized 1

static const int TileSize = 16;

//*****************************************************************************
// 函数：std::vector<std::vector<float>> Rand_Matrix(std::vector<float>& V, const int row, const int col);
// 作用：生成随机矩阵 
// 输入：V 需要插入随机数的矩阵，row行数，col列数 
// 输出：另一个二维随机数矩阵 
//*****************************************************************************
std::vector<std::vector<float>> Rand_Matrix(std::vector<float>& V, const int row, const int col);


//*****************************************************************************
// 函数：double MatrixMultiply(std::vector<float>& vC, const std::vector<float>& vA,
//							const std::vector<float>& vB, int M, int N, int W)
// 作用：矩阵乘法 vC=vA*vB
// 输入：vC需要求得的矩阵，vA左乘的矩阵，vB右乘的矩阵，vA=(M,W)，vB=(W,N)，vC=(M,N)，optimized的函数代表优化过的函数 
// 输出：运行总时间
//*****************************************************************************
double MatrixMultiply(std::vector<float>& vC, const std::vector<float>& vA,
	const std::vector<float>& vB, int M, int N, int W);
double MatrixMultiply(std::vector<float>& vC, const std::vector<float>& vA,
	const std::vector<float>& vB, int M, int N, int W, bool optimized);

//*****************************************************************************
// 函数：double MatrixMul_Cpu(std::vector < std::vector<float>>& vC, const std::vector < std::vector<float>> vA, 
//								const std::vector < std::vector<float>> vB, int M, int N, int W);
// 作用：矩阵乘法  cpu上运行
// 输入：同上
// 输出：运行总时间
//*****************************************************************************
double MatrixMul_Cpu(std::vector < std::vector<float>>& vC, const std::vector < std::vector<float>> vA, 
	const std::vector < std::vector<float>> vB,int M, int N, int W);

//*****************************************************************************
// 函数：double MatrixMul_Cpu_double(std::vector < std::vector<float>>& vC, const std::vector < std::vector<float>> vA, 
//								const std::vector < std::vector<float>> vB, int M, int N, int W);
// 作用：双线程矩阵乘法  cpu上运行  DuOne与DuTwo为两个线程执行的函数 一个执行奇数行的运算 另一个偶数行 
// 输入：同上
// 输出：运行总时间
//*****************************************************************************
void DuOne(std::vector < std::vector<float>>& vC, const std::vector < std::vector<float>> vA,
	const std::vector < std::vector<float>> vB, int M, int N, int W);
void DuTwo(std::vector < std::vector<float>>& vC, const std::vector < std::vector<float>> vA,
	const std::vector < std::vector<float>> vB, int M, int N, int W);
double MatrixMul_Cpu_double(std::vector < std::vector<float>>& vC, const std::vector < std::vector<float>> vA,
	const std::vector < std::vector<float>> vB, int M, int N, int W);
	
//*****************************************************************************
// 函数：double Multi_thread_cpu(std::vector < std::vector<float>>& vC, const std::vector < std::vector<float>> vA, 
//								const std::vector < std::vector<float>> vB, int M, int N, int W);
// 作用：多线程矩阵乘法  cpu上运行  采用PPL库 
// 输入：同上
// 输出：运行总时间
//*****************************************************************************
double Multi_thread_cpu(std::vector < std::vector<float>>& vC, const std::vector < std::vector<float>> vA,
	const std::vector < std::vector<float>> vB, int M, int N, int W);

//*****************************************************************************
// 函数：void Print_Matrix(const std::vector<float>& v, int M, int N， bool p)
// 作用：显示矩阵四个角的元素 
// 输入：v矩阵，M行数，N列数，p 
// 输出：无
//*****************************************************************************
void Print_Matrix(const std::vector<float>& v, int M, int N, bool p);

//*****************************************************************************
// 函数：void Print_Matrix(const std::vector < std::vector<float>>& vC, int M, int N);
// 作用：显示矩阵四个角的元素 
// 输入：vC矩阵，M行数，N列数
// 输出：无
//*****************************************************************************
void Print_Matrix(const std::vector < std::vector<float>>& vC, int M, int N);

头文件中的部分细节

1.随机矩阵的生成

C++可以通过取引用’&’ 的方式使得输入的参数改变，如参数

vector<float> &V
最后设置返回值是vector<vector<float>> OutPut_Matrix 

那么就可以通过一个函数同时得到两个相同的随机矩阵，一个是一维的一个是二维的。

包括接下来的乘法运算也都有使用这个方法。

2.全局变量

#define M_PI acos(-1)
#define Random(x) (rand() % x)
#define _point 1
#define _optimized 1

M_PI为圆周率。Random(x)是简单定义了一个函数可以求得[0,x)的整数随机数，在随机矩阵函数中使用。

以下两个只是为了当参数在两个函数中使用。

3.cpu与gpu运算的输入不同

注意一下，cpu的输入矩阵为vector<vector<float>>是二维的，而gpu是一维的vector<float>

4.一些初始化的定义

C=A*B A大小是M*W; B大小是W*N; C大小是M*N

static const int TileSize = 16; 定义的是GPU AMP优化运算的分块大小，后续会讲

主程序入口main()函数

matrix.cpp

#include <matrix.h>

int main()
{
   
    int M = 256, N = 256, W = 256;
    std::vector<<