三、具體的例子--矩陣乘法
總結可能的方案
在處理矩陣運算上，各種語言都有了自己的處理辦法，例如：python中的numpy庫以及c++中的eigen庫等。本文主要思考在c++語言中，如何採用gpu加速計算，進一步提高矩陣計算效率。
eigen本身是乙個線性代數庫，在處理矩陣運算上非常有優勢，類似於python中的numpy。不同的是，eigen是基於c++模板的。
// 基本包括所需要的所有函式
#include
matrix<
double,3
,3> a;
// 表示a是乙個三行三列的double矩陣
a <<1,
2,3,
4,5,
6,7,
8,9;
vectorxd vec1(3
);// 動態double列向量
vec2 <<1,
2,3;
rowvectorxd vec2(4
);// 動態double行向量
vec2 <<1,
4,9,
16;
cout<< a.
rows()
;// 行數：3
cout<< a.
cols()
;// 列數：3
cout<
3);// 第4個元素，按列儲存：5
cout<
1,2)
;// 第2行第3列的元素：6
#include
#include
#include
using
namespace std;
using
namespace eigen;
intmain()
根據eigen和gpu平行計算的時間，可以看出差距還是存在的（也有可能是我沒有理解到eigen的精髓，**寫的不對），但比起普通的矩陣乘法明顯快了幾倍。如果資料量較小的話，二者所需要的時間則會更加接近，因此改進的必要性需要考慮。同時，由於eigen庫中方法是封裝起來的，使用者只能夠呼叫，改進的難度較大。
由於eigen的計算效率確實比gpu低，如果一定要使用gpu加速的話。我認為可行的方法是放棄eigen，將需要用到的操作自行實現，封裝為乙個個的kernel函式，只需要在使用的時候配置執行緒即可。但也有一些問題需要解決：
跨檔案訪問的問題：通常上傳到伺服器的是乙個.cu檔案，如何上傳整個專案需要下功夫。
將需要的方法封裝為kernel函式：難點。
放棄eigen的優越性：eigen作為乙個強大的庫，自有其優越的地方，完全放棄是否可取？
以上僅作為乙個eigen初學者的個人理解，如有錯誤，敬請指出。
js中的for迴圈 效率提公升
1 常用寫法 for var i 0 iconsole.log arr i 每次都需要讀取一次arr.length,進行判斷 2 陣列的長度先快取起來 for var i 0,len arr.length iconsole.log arr i 變數定義完整，不用再從陣列中取回長度，直接讓計算機判斷i...
C 中關於效率的討論（一）
date 218 04 26 by wjb 接觸c 將近一年了，自己一直在用心學習，但是總感覺自己的知識儲備太少了，心裡沒有關於架構的觀念，效率也不考慮，功能只要實現了感覺就完成任務了。而效率是開發的關鍵，我總在抱怨語言限制，認真想象還是自己技術不到家，接下來和大家討論一些關於效率的問題。今天首先說...
線性算術的C 模板庫 Eigen
eigen 是乙個線性算術的c 模板庫，包括 vectors,matrices,以及相關演算法。功能強大 快速 優雅以及支援多平台。eigen中的矩陣型別一般都是用類似matri x來表示，可以根據該名字來判斷其資料型別，比如說 d 代表double並不是用來表示整數的,f 代表float i 代表...