Mengapa BLAS jauh lebih pantas daripada pelaksanaan pendaraban matriks saya?

Prestasi Unggul BLAS dalam Pendaraban Matriks

Anda telah menyaksikan perbezaan yang ketara dalam prestasi fungsi pendaraban matriks anda sendiri berbanding dengan BLAS. Ini menimbulkan dua soalan:

1. Bagaimanakah BLAS mencapai prestasi melampau?

BLAS dibahagikan kepada tiga peringkat berdasarkan kerumitan dan teknik pengoptimuman:

• Tahap 1: Beroperasi pada vektor dan faedah daripada pengvektoran.
• Tahap 2: Mengendalikan operasi matriks-vektor dan memanfaatkan seni bina berbilang pemproses.
• Tahap 3: Melaksanakan operasi matriks-matriks dan mengoptimumkan hierarki cache. Pengoptimuman ini penting untuk peningkatan prestasi yang ketara dalam fungsi Tahap 3.

2. Mengapakah pelaksanaan anda lebih perlahan?

Pelaksanaan anda tidak mempunyai pengoptimuman cache yang digunakan oleh BLAS. Operasi O(N^3) dalam pendaraban matriks-matriks menghasilkan pergerakan data yang ketara antara memori dan cache. Dengan melaksanakan algoritma khusus yang meminimumkan konflik cache, BLAS mempercepatkan proses ini dengan ketara.

Walaupun penyusun moden membantu mengoptimumkan kod, mereka tidak dapat mengimbangi sepenuhnya teknik khusus yang digunakan dalam pelaksanaan BLAS seperti ATLAS, GotoBLAS dan OpenBLAS.

Algoritma yang Digunakan oleh BLAS

BLAS tidak menggunakan algoritma kompleks seperti Coppersmith–Winograd atau Strassen disebabkan oleh:

• Potensi kesukaran dalam menyediakan cache- pelaksanaan yang dioptimumkan.
• Kekurangan kestabilan berangka, yang melarang penggunaannya dalam kernel pengiraan LAPACK.
• Faktor pemalar yang tinggi dalam kerumitan masanya, menjadikannya hanya bermanfaat untuk matriks yang sangat besar.

Atas ialah kandungan terperinci Mengapa BLAS jauh lebih pantas daripada pelaksanaan pendaraban matriks saya?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!