如何解决如果 C 是行优先顺序,为什么 ARM 内在代码采用列优先顺序? 您提议的循环顺序 i,k,j 是最糟糕的
我不确定在哪里问这个问题的最佳地点,但我目前正在使用 ARM 内在函数并遵循本指南:https://developer.arm.com/documentation/102467/0100/Matrix-multiplication-example
但是,那里编写的代码假设数组是按列优先顺序存储的。我一直认为 C 数组是按行优先存储的。他们为什么要这样假设?
编辑: 例如,如果不是这样:
void matrix_multiply_c(float32_t *A,float32_t *B,float32_t *C,uint32_t n,uint32_t m,uint32_t k) {
for (int i_idx=0; i_idx < n; i_idx++) {
for (int j_idx=0; j_idx < m; j_idx++) {
for (int k_idx=0; k_idx < k; k_idx++) {
C[n*j_idx + i_idx] += A[n*k_idx + i_idx]*B[k*j_idx + k_idx];
}
}
}
}
他们这样做了:
void matrix_multiply_c(float32_t *A,uint32_t k) {
for (int i_idx=0; i_idx < n; i_idx++) {
for (int k_idx=0; k_idx < k; k_idx++) {
for (int j_idx=0; j_idx < m; j_idx++) {
C[n*j_idx + i_idx] += A[n*k_idx + i_idx]*B[k*j_idx + k_idx];
}
}
}
}
由于以 C[0]、C[1]、C[2]、C[3] 的顺序而不是 C[0]、C[2] 的顺序访问 C 的空间局部性,代码会运行得更快]、C[1]、C[3](其中 C[0]、C[1]、C[2]、C[3] 在内存中是连续的)。
解决方法
您没有使用像 C[i][j]
这样的 C 2D 数组,所以这不是 C 如何存储任何东西的问题,而是如何在此代码中手动使用 {{ 1}},可以选择在内循环还是外循环中循环。
但是两个矩阵都未转置的 matmul 的难点在于,您需要为两个输入矩阵做出相反的选择: 天真的 matmul 必须跨越其中一个矩阵的远距离元素输入矩阵,所以它本质上是搞砸的。这就是为什么仔细的缓存阻塞/循环平铺对于矩阵乘法很重要的一个主要部分。 (O(n^3) 处理 O(n^2) 数据 - 您希望每次将其带入 L1d 缓存和/或寄存器时都充分利用它。)
循环交换可以加快速度以利用最内层循环中的空间局部性,如果你做得对的话。
参见 What Every Programmer Should Know About Memory? 中的缓存阻塞 matmul 示例,它遍历内部几个循环中所有 3 个输入中的连续内存,选择在 3 个矩阵中的任何一个中都没有缩放的索引作为内部一个。看起来像这样:
n * idx_1 + idx_2
请注意 for (j_idx)
for (k_idx)
for (i_idx)
C[n*j_idx + i_idx] += A[n*k_idx + i_idx]*B[k*j_idx + k_idx];
在循环内循环中是不变的,并且您正在对连续内存(这很容易 SIMD 向量化)执行简单的 B[k * j_idx + k_idx]
操作,尽管您仍在这样做每个 FMA 2 次加载 + 1 次存储,因此这不会最大化您的 FP 吞吐量。
与缓存访问模式分离,这也避免了将长依赖链转换为单个累加器(C 元素)。但这对于优化的实现来说并不是真正的问题:您当然可以使用多个累加器。由于舍入误差,FP 数学不是严格关联的,但多个累加器是 closer to pairwise summation,并且与连续添加行 x 列点积的每个元素相比,FP 舍入误差可能更小。 按照标准的简单 C 循环的顺序进行添加会得到不同结果,但通常更接近准确答案。
您提议的循环顺序 i,k,j 是最糟糕的。
您正在内部循环中跨越 3 个矩阵中的 2 个的远距离元素,包括对 C[] 的不连续访问,这与您在上一段中所说的相反。
以 dst[0..n] += const * src[0..n]
作为最内层循环,您可以在第一次外层迭代中访问 j
、C[0]
、C[n]
等。 C[2n]
也是如此,所以这真的很糟糕。
交换 B[]
和 i
循环 可以让您在中间循环中连续访问 j
,而不是跨步访问,并且仍然是一列的行另一个,在最里面的循环中。所以严格来说这将是一个改进:是的,你是对的,这个天真的例子比它需要的更糟糕。
但关键问题是对内部循环中某些内容的跨步访问:这是性能灾难;这就是为什么仔细的缓存阻塞/循环平铺对于矩阵乘法很重要的一个主要部分。唯一从未与比例因子一起使用的索引是 C[]
。
C 本质上不是行优先或列优先。
在编写 a[i][j]
时,由您决定 i
是行索引还是列索引。
虽然先写行索引是一种常见的约定(使数组成为行优先),但没有什么能阻止你做相反的事情。
另外,请记住 A × B = C
等价于 Bt × At = Ct
(t
表示转置矩阵),并将行主矩阵视为列主矩阵(反之亦然) ) 将其转置,这意味着如果您想保持矩阵行优先,您可以颠倒操作数的顺序。
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。