在Fortran程序中,我需要计算几个表达式,如M·v,MT·v,MT·M,M·MT等......这里,M和v是2D和1D小尺寸的数组(小于100,通常在2-10左右)
我想知道编写MATMUL(TRANSPOSE(M),v)
是否会在编译时展开到像MATMUL(N,v)
一样有效的代码,其中N
被明确存储为N=TRANSPOSE(M)
。我特别感兴趣的是具有“强”优化标志的gnu和ifort编译器(例如-O2,-O3或-Ofast)。
下面是各种方法的几个执行时间。
系统:
- Intel(R)Core(TM)i5-6500T CPU @ 2.50GHz
- 缓存大小:6144 KB
- 内存:16MB
- GNU Fortran(GCC)6.3.1 20170216(Red Hat 6.3.1-3)
- ifort(IFORT)18.0.5 20180823
- BLAS:对于gnu编译器,使用的blas是默认版本
汇编:
[gnu] $ gfortran -O3 x.f90 -lblas [intel] $ ifort -O3 -mkl x.f90
执行:
[gnu] $ ./a.out > matmul.gnu.txt [intel] $ EXPORT MKL_NUM_THREADS=1; ./a.out > matmul.intel.txt
为了使结果尽可能保持中性,我用一组等效操作的平均时间重新调整了答案。我忽略了线程。
比较了六种不同的实现:
do j=1,n; do k=1,n; w(j) = P(j,k)*v(k); end do; end do
matmul(P,v)
dgemv('N',n,n,1.0D0,P,n,v,1,0,w,1)
matmul(transpose(P),v)
Q=transpose(P); w=matmul(Q,v)
dgemv('T',n,n,1.0D0,P,n,v,1,0,w,1)
在图1和图2中,您可以比较上述情况的时序结果。总的来说,我们可以说暂时的使用是在gfortran
和ifort
都没有建议。两个编译器都可以更好地优化MATMUL(TRANSPOSE(P),v)
。在gfortran
,MATMUL
的实现比默认的BLAS更快,ifort
清楚地表明mkl-blas
更快。
图1:矩阵向量乘法。各种实现的比较在gfortran
上运行。左侧面板显示绝对时间除以大小为1000的系统的手动计算的总时间。右侧面板显示绝对时间除以n2×δ。这里δ是手动计算尺寸1000除以1000×1000的平均时间。
图2:矩阵向量乘法。各种实现的比较在单线程ifort
编译上运行。左侧面板显示绝对时间除以大小为1000的系统的手动计算的总时间。右侧面板显示绝对时间除以n2×δ。这里δ是手动计算尺寸1000除以1000×1000的平均时间。
比较了六种不同的实现:
do l=1,n; do j=1,n; do k=1,n; Q(j,l) = P(j,k)*P(k,l); end do; end do; end do
matmul(P,P)
dgemm('N','N',n,n,n,1.0D0,P,n,P,n,0.0D0,R,n)
matmul(transpose(P),P)
Q=transpose(P); matmul(Q,P)
dgemm('T','N',n,n,n,1.0D0,P,n,P,n,0.0D0,R,n)
在图3和图4中,您可以比较上述情况的时序结果。与vector-case相比,只建议使用临时gfortran。在gfortran
,MATMUL
的实现比默认的BLAS更快,ifort
清楚地表明mkl-blas
更快。值得注意的是,手动实施与mkl-blas
相当。
图3:矩阵 - 矩阵乘法。各种实现的比较在gfortran
上运行。左侧面板显示绝对时间除以大小为1000的系统的手动计算的总时间。右侧面板显示绝对时间除以n3×δ。这里δ是手动计算尺寸1000除以1000×1000×1000的平均时间。
图4:矩阵 - 矩阵乘法。各种实现的比较在单线程ifort
编译上运行。左侧面板显示绝对时间除以大小为1000的系统的手动计算的总时间。右侧面板显示绝对时间除以n3×δ。这里δ是手动计算尺寸1000除以1000×1000×1000的平均时间。
使用过的代码:
program matmul_test
implicit none
double precision, dimension(:,:), allocatable :: P,Q,R
double precision, dimension(:), allocatable :: v,w
integer :: n,i,j,k,l
double precision,dimension(12) :: t1,t2
do n = 1,1000
allocate(P(n,n),Q(n,n), R(n,n), v(n),w(n))
call random_number(P)
call random_number(v)
i=0
i=i+1
call cpu_time(t1(i))
do j=1,n; do k=1,n; w(j) = P(j,k)*v(k); end do; end do
call cpu_time(t2(i))
i=i+1
call cpu_time(t1(i))
w=matmul(P,v)
call cpu_time(t2(i))
i=i+1
call cpu_time(t1(i))
call dgemv('N',n,n,1.0D0,P,n,v,1,0,w,1)
call cpu_time(t2(i))
i=i+1
call cpu_time(t1(i))
w=matmul(transpose(P),v)
call cpu_time(t2(i))
i=i+1
call cpu_time(t1(i))
Q=transpose(P)
w=matmul(Q,v)
call cpu_time(t2(i))
i=i+1
call cpu_time(t1(i))
call dgemv('T',n,n,1.0D0,P,n,v,1,0,w,1)
call cpu_time(t2(i))
i=i+1
call cpu_time(t1(i))
do l=1,n; do j=1,n; do k=1,n; Q(j,l) = P(j,k)*P(k,l); end do; end do; end do
call cpu_time(t2(i))
i=i+1
call cpu_time(t1(i))
Q=matmul(P,P)
call cpu_time(t2(i))
i=i+1
call cpu_time(t1(i))
call dgemm('N','N',n,n,n,1.0D0,P,n,P,n,0.0D0,R,n)
call cpu_time(t2(i))
i=i+1
call cpu_time(t1(i))
Q=matmul(transpose(P),P)
call cpu_time(t2(i))
i=i+1
call cpu_time(t1(i))
Q=transpose(P)
R=matmul(Q,P)
call cpu_time(t2(i))
i=i+1
call cpu_time(t1(i))
call dgemm('T','N',n,n,n,1.0D0,P,n,P,n,0.0D0,R,n)
call cpu_time(t2(i))
write(*,'(I6,12D25.17)') n, t2-t1
deallocate(P,Q,R,v,w)
end do
end program matmul_test