如何解决meta.Vectors 背后的黑魔法是什么？
在基于通用算法和迭代器实现了一些向量代数之后，我决定运行一些基准测试。我们的想法是将自定义向量的性能与 Meta.Vector 的性能（进行加法和缩放）进行比较。
当向量的大小设置为 10 时，自定义向量的表现略优于 Meta.Vector。当向量的大小设置为 100 时，Meta.Vector 的性能略优于自定义向量。当向量的大小设置为 1000 时，自定义向量执行加法的速度是 Meta.Vector 和缩放的两倍——比 Meta.Vector 慢（使用 @splat）。
最有趣的是编译时间——那些随着向量大小的增长而增长（没有测量，无法判断编译时间是否与向量大小呈线性关系）。当向量的大小设置为 10_000 时，我最终（经过长时间的等待）收到了 shell returned 137 错误消息（在编译期间）；在我注释掉任何提到的 Meta.Vector 之后，代码编译得很好。
所以我的问题是什么样的（编译器？）黑魔法使 1000 大小的 Meta.Vector 运行得如此之快，我可以用它来使我的代码更快吗？
P。 S.：使用 -O ReleaseFast 运行基准测试，所有变量都标记为 var
P。 P.S.：在调试模式下，最终编译了 10_000 个 Meta.Vector 的代码
解决方法
AFAIK 所做的只是明确利用 LLVM 的 SIMD 支持。
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
