//
// main.cpp
// Matrix_5
//
// Created by Bert Jiachen Wang on 1/17/21.
//
#include <iostream>
#include <time.h>
#include <string>
using std::cout; using std::endl;
using std::string;
void make2dMatrix(int** &x, const int size)
{
x = new int*[size];
for(int i = 0; i < size; ++i)
{
x[i] = new int[size];
}
}
void print2dMatrix(int** const &x, const int size)
{
for(int i = 0; i < size; ++i)
{
for(int j = 0; j < size; ++j)
{
cout << x[i][j] << " ";
}
cout << endl;
}
cout << endl;
}
void init2dMatirx(int** &x, const int size)
{
for(int i = 0; i < size; ++i)
{
for(int j = 0; j < size; ++j)
{
x[i][j] = 0;
}
}
}
void construct2dMatrix_increase(int** &x, const int size)
{
int num = 0;
for(int i = 0; i < size; ++i)
{
for(int j = 0; j < size; ++j)
{
++num;
x[i][j] = num;
}
}
}
void construct2dMatrix_decrease(int** &x, const int size)
{
int num = size * size;
for(int i = 0; i < size; ++i)
{
for(int j = 0; j < size; ++j)
{
x[i][j] = num;
--num;
}
}
}
//matirx multiply -> textbooks
void multiply2dMatrix_a0(int** &result, int** const &left, int** const &right, const int size)
{
for(int i = 0
数据结构与算法读书笔记 - 006 - C++高速缓存测试和矩阵乘法
最新推荐文章于 2022-07-20 16:58:45 发布
这篇博客通过对比不同的矩阵乘法实现,探讨了高速缓存对运算速度的影响。作者测试了四种矩阵乘法方法,包括教科书版本、去除额外变量、反向迭代j和k以及两种自创方法,分析了每种方法的时间效率。测试结果显示,矩阵乘法的性能受到高速缓存命中率的影响,其中某些方法由于更利于缓存利用,从而表现出更快的运算速度。
摘要由CSDN通过智能技术生成