关于坑爹的浮点矩阵乘法结果正确性测试

1.浮点数计算结果与计算顺序相关

例如矩阵乘法
设mc = ma * mb，都是方阵，维数为8。
以c00的计算作为例子，以下这种是最常见的计算顺序

c00 = a00 * b00 + a01 * b10 + a02 * b20 + a03 * b30
	+ a04 * b40 + a05 * b50 + a06 * b60 + a07 * b70
计算顺序大致是
tc = 0
tc = tc + a00 * b00 
tc = tc + a01 * b10
tc = tc + a02 * b20
tc = tc + a03 * b30
tc = tc + a04 * b40
tc = tc + a05 * b50
tc = tc + a06 * b60
tc = tc + a07 * b70
就是不断的大鱼吃小鱼，大鱼变得越来越大的过程

但是，这种计算顺序耦合性非常高，每一次tc = tc + axx * bxx依赖于上一次的计算结果，我测试过，gcc在O3的情况也并没智能到能优化计算顺序。所以，如果我们要优化并行的话，一般需要手动优化成以下的计算顺序。

tc =0, tc0 = 1, tc1 = 0, tc2 = 0, tc3 = 0
tc0 = tc0 + a00 * b00 
tc0 = tc0 + a01 * b10
tc1 = tc1 + a02 * b20
tc1 = tc1 + a03 * b30
tc2 = tc2 + a04 * b40
tc2 = tc2 + a05 * b50
tc3 = tc3 + a06 * b60
tc3 = tc3 + a07 * b70
tc = tc + tc0
tc = tc + tc1
tc = tc + tc2
tc = tc + tc3
就是有4条大鱼分别在吃小鱼，最后4条大鱼间进行大鱼吃小鱼

第一种模式，有7次数据依赖，第二种模式，只有5次数据依赖，要知道现在只是8维的情况，维度大的时候，依赖数是大大减少的。

然后呢?问题就出现！由于浮点数的特性，是需要对进过四舍五入的，所以前后两种计算顺序，最终结果是有一点不同的。真的坑的不行，然后还有一种提高优化方法是采用strassen方法，在这种计算方式下，结果差异更恐怖。

2.浮点数矩阵乘法的正确性测试方法

• 先写一个基准程序，计算顺序要用最传统的大鱼吃小鱼；
• 确定一个可接受误差范围；
• 将优化了计算顺序的程序结果，与传统计算顺序结果这个进行减法操作，
  判断它们的差是否在可接受误差范围内；