导致分段错误或分段错误的SIMD矩阵乘法
分段错误（Segmentation Fault）通常是由于程序试图访问非法内存区域引起的。在进行SIMD（单指令多数据）矩阵乘法时，可能会遇到这种错误。以下是关于分段错误及其相关概念、原因、解决方案的详细解释。
基础概念
- SIMD：单指令多数据，是一种并行计算技术，可以在单个指令周期内对多个数据进行相同的操作。
- 矩阵乘法：一种基本的线性代数运算，涉及两个矩阵的元素相乘并累加。
相关优势
- 并行处理：SIMD指令可以在单个时钟周期内处理多个数据点，显著提高计算速度。
- 优化性能：对于大规模数据处理，如图像处理、机器学习等，SIMD可以显著提升性能。
类型
- 数据对齐错误：SIMD指令要求数据对齐，否则会导致访问非法内存。
- 越界访问：矩阵索引超出范围，访问了未分配的内存区域。
- 空指针引用：使用了未初始化或已释放的指针。
应用场景
- 图像处理：如图像缩放、滤波等。
- 机器学习：如矩阵运算、神经网络训练等。
- 科学计算：如物理模拟、数值分析等。
原因
- 数据对齐问题：SIMD指令要求数据对齐到特定的内存边界，否则会导致分段错误。
- 越界访问：矩阵索引计算错误，导致访问了未分配的内存区域。
- 空指针引用：使用了未初始化或已释放的指针。
解决方案
- 确保数据对齐：使用适当的数据类型和对齐方式，确保数据在内存中对齐。
- 确保数据对齐：使用适当的数据类型和对齐方式，确保数据在内存中对齐。
- 检查索引范围：确保矩阵索引在合法范围内。
- 检查索引范围：确保矩阵索引在合法范围内。
- 初始化指针：确保所有指针在使用前已正确初始化。
- 初始化指针：确保所有指针在使用前已正确初始化。
参考链接
- Intel Intrinsics Guide
- [AVX2 Intrinsics](https://software.intel.com/sites/landingpage/IntrinsicsGuide/#text=AVX2&expand=5870,5871,5872,5873,5874,5875,5876,5877,5878,5879,5880,5881,5882,5883,5884,5885,5886,5887,5888,5889,5890,5891,5892,5893,5894,5895,5896,5897,5898,5899,5900,5901,5902,5903,5904,5905,5906,5907,5908,5909,5910,5911,5912,5913,5914,5915,5916,5917,5918,5919,5920,5921,5922,5923,5924,5925,5926,5927,5928,5929,5930,5931,5932,5933,5934,5935,5936,5937,5938,5939,5940,5941,5942,5943,5944,5945,5946,5947,5948,5949,5950,5951,5952,5953,5954,5955,5956,5957,5958,5959,5960,5961,5962,5963,5964,5965,5966,5967,5968,5969,5970,5971,5972,5973,5974,5975,5976,5977,5978,5979,5980,5981,5982,5983,5984,5985,5986,5987,5988,5989,5990,5991,5992,5993,5994,5995,5996,5997,5998,5999,6000,6001,6002,6003,6004,6005,6006,6007,6008,6009,6010,6011,6012,6013,6014,6015,6016,6017,6018,6019,6020,6021,6022,6023,6024,6025,6026,6027,6028,6029,6030,6031,6032,6033,6034,6035,6036,6037,6038,6039,6040,6041,6042,6043,6044,6045,6046,6047,6048,6049,6050,6051,6052,6053,6054,6055,6056,6057,6058,6059,6060,6061,6062,6063,6064,6065,6066,6067,6068,6069,6070,6071,6072,6073,6074,6075,6076,6077,6078,6079,6080,6081,6082,6083,6084,6085,6086,6087,6088,6089,6090,6091,6092,6093,6094,6095,6096,6097,6098,6099,6100,6101,6102,6103,6104,6105,6106,6107,6108,6109,6110,6111,6112,6113,6114,6115,6116,6117,6118,6119,6120,6121,6122,6123,6124,6125,6126,6127,6128,6129,6130,6131,6132,6133,6134,6135,6136,6137,6138,6139,6140,6141,6142,6143,6144,6145,6146,6147,6148,6149,6150,6151,6152,6153,6154,6155,6156,6157,6158,6159,6160,6161,6162,6163,6164,6165,6166,6167,6168,6169,6170,6171,6172,6173,6174,6175,6176,6177,6178,6179,6180,6181,6182,6183,6184,6185,6186,6187,6188,6189,6190,6191,6192,6193,6194,6195,6196,6197,6198,6199,6200,6201,6202,6203,6204,6205,6206,6207,6208,6209,6210,6211,6212,6213,6214,6215,6216,6217,6218,6219,6220,6221,6222,6223,6224,6225,6226,6227,6228,6229,6230,6231,6232,6233,6234,6235,6236,6237,6238,6239,6240,6241,6242,6243,6244,6245,6246,6247,6248,6249,6250,6251,6252,6253,6254,6255,6256,6257,6258,6259,6260,6261,6262,6263,6264,6265,6266,6267,6268,6269,6270,6271,6272,6273,6274,6275,6276,6277,6278,6279,6280,6281,6282,6283,6284,6285,6286,6287,6288,6289,6290,6291,6292,6293,6294,6295,6296,6297,6298,6299,6300,6301,6302,6303,6304,6305,6306,6307,6308,6309,6310,6311,6312,6313,6314,6315,6316,6317,6318,6319,6320,6321,6322,6323,6324,6325,6326,6327,6328,6329,6330,6331,6332,6333,6334,6335,6336,6337,6338,6339,6340,6341,6342,6343,6344,6345,6346,6347,6348,6349,6350,6351,6352,6353,6354,6355,6356,6357,6358,6359,6360,6361,6362,6363,6364,6365,6366,6367,6368,6369,6370,6371,6372,6373,6374,6375,6376,6377,6378,6379,6380,6381,6382,6383,6384,6385,6386,6387,6388,6389,6390,6391,6392,6393,6394,6395,6396,6397,6398,6399,6400,6401,6402,6403,6404,6405,6406,6407,6408,6409,6410,6411,6412,6413,6414,6415,6416,6417,6418,6419,6420,6421,6422,6423,6424,6425,6426,6427,6428,6429,6430,6431,6432,6433,6434,6435,6436,6437,6438,6439,6440,6441,6442,6443,6444,6445,6446,6447,6448,6449,6450,6451,6452,6453,6454,6455,6456,6457,6458,6459,6460,6461,6462,6463,6464,6465,6466,6467,6468,6469,6470,6471,6472,6473,6474,6475,6476,6477,6478,6479,6480,6481,6482,6483,6484,6485,6486,6487,6488,6489,6490,6491,6492,6493,6494,6495,6496,6497,6498,6499,6500,6501,6502,6503
相关·内容
1回答
苹果公司关于“与矩阵一起工作”的文档不仅违反直觉，而且还通过他们在2D中“构造”“转换矩阵”和“旋转矩阵”的例子，进一步加剧了混乱。
按苹果文档()翻译矩阵
翻译矩阵采用以下形式：
1 0 0 0 1 0 tx tx ty 1
simd库为恒等矩阵(沿对角线的矩阵和其他地方的零)提供常量。3x3浮点恒等矩阵为matrix_identity_float3x3。
以下函数通过设置标识矩阵中的元素，使用指定的tx和ty转换值返回simd_float3x3矩阵：
函数makeTranslationMatrix( tx：-> simd_float3x3 { var矩阵= matrix_ident
浏览 1提问于2018-11-22得票数 1
回答已采纳
1回答
有效的SSE NxN矩阵乘法
、、、、
我试图通过矩阵乘法来实现大矩阵的SSE版本。我正在寻找一种基于SIMD实现的高效算法。
我想要的方法如下：
A(n x m) * B(m x k) = C(n x k)
所有矩阵都被认为是16字节对齐浮点数数组.
我在网上搜索，发现了一些描述8x8乘法的文章，甚至更小。我真的需要尽可能高效地使用它，我不想使用Eigen库或类似的库。(只有SSE3更具体)。
所以，如果有人能帮我找到一些关于如何开始实现的文章或资源，我将不胜感激。
浏览 6提问于2014-02-01得票数 3
回答已采纳
我想测量执行稀疏矩阵-矩阵计算的代码的整数计算性能。英特尔CPU上是否有类似于浮点/双精度计算的性能计数器？
更具体地说，我想计算整数加法、乘法、融合加/乘和比较。但是任何子集都是有帮助的。
在使用读取性能计数器时，我找不到任何此类事件。
浏览 7提问于2018-02-16得票数 1
回答已采纳
2回答
如何尽可能快地进行矩阵计算
、、、、
纯粹出于我对代码和计算机的知识和理解，我试图创建一个具有多个矩阵函数的数组/矩阵类，然后我将在我需要一个矩阵或数组类的任何项目中使用它。最重要的是，我想使用这个矩阵/数组类制作一个神经网络库，因此要求它尽可能快。
我所要求的最快的函数是两个矩阵的矩阵乘积计算，但是，对于较大的矩阵，我几乎没有成功地使这一计算更快。
我目前计算点积的方法是：
注意，这段代码是python的，但是，如果python不是最佳语言，我可以使用任何其他语言。
a = [[1, 2, 3], [4, 5, 6]]
b = [[1], [2], [3]]
def dot(a, b):
c = [[0 for j i
浏览 13提问于2019-10-29得票数 2
回答已采纳
苹果系统中似乎至少有六个矩阵库。其中之一是在CPU和GPU代码中工作相同类型的simd库。
import simd
let mat = float3x3(...)
let vec = float3(...)
mat * vec
我很难找到这方面的文件。与大多数情况不同，它不会出现在Xcode的文档浏览器中。我知道不同的库(GLKit)有矩阵类型，它们具有构建旋转矩阵的功能。例如,
GLKMatrix3MakeXRotation(radians)
GLKMatrix3RotateY(mat, radians)
simd矩阵类型有相似的函数吗？
浏览 0提问于2018-04-01得票数 3
回答已采纳
1回答
我正在尝试使用ARPlaneAnchor将屏幕上的某个点解压到ARKit上的一个坐标上。本质上，我想在地面上画一个标记，根据我的相机指向的位置。ARKit提供了一些方法来实现这一点，但是它们被附加到ARCamera类中，不幸的是，在我的场景中，我只能访问摄像机的投影、视图和转换矩阵，并且没有对ARFrame或ARCamera对象本身的引用。我编写了与gluUnproject()类似的东西(据我所知)。
func screenToWorld(screenPoint: CGPoint, depth: Float, screenSize: CGSize, projectionMatrix: simd
浏览 1提问于2018-09-22得票数 4
我的问题是关于Java与编译代码的性能，例如C++/fortran/程序集在高性能的数值应用程序中。我知道这是一个有争议的话题，但我正在寻找具体的答案/例子。还有社区维基。我以前也问过类似的问题，但我想我说得很宽泛，没有得到我想要的答案。
双精度矩阵乘法(在blas库中通常称为dgemm )能够达到几乎100 %的峰值CPU性能(以浮点运算每秒计算)。
有几个因素使这一业绩得以实现：
缓存阻塞，以实现最大的内存局部性
循环展开，以最小化控制开销。
向量指令，如SSE
记忆预取
保证没有内存混叠
我已经看到了许多使用程序集、C++、Fortran、Atlas、供应商B
浏览 7提问于2010-02-27得票数 11
3回答
我一直在研究HEVC项目。我最近问了一些关于内部预测的细节，它或多或少被澄清了。我正在读一本由某人推荐的书，它给出了在HEVC中实现的转换算法的细节。我知道它使用部分蝴蝶来处理数据。但是，是否有可能通过一种不同的方法来实现，比如矩阵乘法，而HEVC流仍然会在没有故障的情况下生成。我的问题是，如果修改转换模块的处理方法，会不会从总体上影响HEVC编码器的工艺流程。
浏览 4提问于2016-12-02得票数 0
回答已采纳
1回答
我很好奇GLSL/GLSL和霓虹灯有什么区别？
我知道GLSL使用GPU核心，霓虹灯使用CPU核心。
然而，我感到困惑的是，当我用霓虹灯指令将一个矩阵乘以一个矩阵时，我不确定它是否真的比用阴影码中的矩阵乘以一个矩阵更好，因为正如你所知道的，GPU比cpu有更多的核心，即使存在霓虹灯来帮助更快地计算。
有人知道这两种方式有什么区别吗？
浏览 1提问于2014-02-20得票数 0
1回答
最快的“转置-共轭”方法
、、、
给定矩阵A和P，我需要计算“转置-共轭”(不确定这个术语是什么)。
X = P A Transpose(P)
我在想最快的方法是
for(int i=0;i<n;i++) {
for(int j=0;j<n;j++) {
for(int k=0;k<n;k++)
for(int l=0;l<n;l++) X[i][j]+=P[i][l]*A[l][k]*P[j][k];
}
}
}
然而，这是O(n^4)，我也可以做两个正则矩阵乘法，所以二次O(n^3)。我是
浏览 3提问于2015-12-17得票数 4
回答已采纳
1回答
多线程概念问题
、、
我只需要写一个程序，在这个程序中，我必须使用线程进行矩阵乘法，其中每个乘法都有一个线程。
现在我想知道几件事，使用线程将3x2矩阵和2x3矩阵相乘真的有什么好处吗？对于一些小的东西，顺序代码仍然有效吗？如果我错了，这么小的东西有没有好处或坏处？我只是认为对于这么小的东西来说，复杂性太大了。
另一方面，拥有10000x10000矩阵在使用线程方面会有好处吗？我假设是这样的，局部性起了作用，但我仍然在思考多线程是否更有效率。
谢谢!
浏览 1提问于2018-03-01得票数 3
在Fortran 90代码中，NxN矩阵中N的最大值是多少，这样就不会发生分段错误？
例如，当我使用大小为2^8x2^8的矩阵并将它们用于乘法(使用内在的'matmul‘函数)时，我没有任何问题。
然而，当我使用2^12x2^12矩阵时，我没有发现任何编译错误，但在程序中间出现了分段错误。
我是否用完了内存分配，或者我的代码中可能有错误？
我使用了动态分配，我使用64位RedHat操作系统64 GB内存。
此外，最大大小是否取决于编译器或系统配置？
浏览 0提问于2013-09-30得票数 5
我正在尝试将一些基本的MATLAB移植到Javascript，并且对JS的性能有些失望，无论是Chrome还是Firefox。我稍微优化了一个矩阵，展开了内部循环并使用了Float64Arrays：
function vvdot_body(rollsize)
{
var body = '';
body += ' var acc, ni, nj, nr, rs, lo, i;\n';
body += ' acc = 0.0;\n';
body += ' rs = ' + rollsize + ';\n';
浏览 0提问于2015-02-16得票数 0
1回答
我试图用GCC向量延拓()来加速矩阵乘法。其思想是使用SIMD指令乘法，并同时添加四个浮点数。下面列出了一个最小的工作示例。当将(M=10，K=12)矩阵乘以(K=12，N=12)矩阵时，该示例工作得很好。但是，当我更改参数(例如N=9)时，就会出现分段错误。
我怀疑这是由于内存对齐问题。据我理解，当使用SIMD作为16字节矢量(在本例中是float4)时，目标内存地址应该是16的倍数。(如)。在下面的示例中，当&b(0,0)是0x810e10，&b(1,0)是0x810e34，这不是16的倍数。
我的问题是，
我得到内存对齐问题的分段错误是真的吗？
有人能告诉我如何轻
浏览 5提问于2017-01-20得票数 0
3回答
任意矩阵乘法的复杂度
、、、
我有一个关于矩阵乘法实现的简单问题。我知道对于大小相等(n X n)的矩阵，有一些算法的复杂度为O(n^2.xxx)。但是，如果我有两个大小不同的矩阵A和B (p x q，q x r)，那么到目前为止实现的最小复杂度是多少？我猜它是O(pqr)，因为我将实现一个带有p，q和r次迭代的3个嵌套循环的乘法。特别是，现在有没有人知道库是如何实现乘法的？
浏览 0提问于2012-03-10得票数 2
回答已采纳
我想用一个3-D Eigen::Tensor替换代码中的一个矩阵序列。考虑到这一点，我试着比较张量和矩阵的性能。
下面的函数"tensorContractTest“执行(n，n，n)秩3张量的收缩，其中秩1张量的大小为n (n = 500)。此收缩计算n**2个点积，因此就运算数量而言，它等同于两个(n，n)矩阵的乘法(下面的函数"matrixProductTest“)。
在Visual Studio2013上运行时，函数"tensorContractTest“的运行速度比"matrixProductTest”慢约40倍。也许，我遗漏了一些东西。感谢您的帮助。
浏览 211提问于2018-01-05得票数 3
我从simd_float4*4得到了一个ARKit矩阵。我想检查矩阵的值，但发现自己不知道如何在目标-C中这样做。在Swift中，可以将它写成矩阵x.Columns.3来获取值的向量。但我不知道如何在目标C中做到这一点。有人能给我指明方向吗？谢谢!
浏览 2提问于2018-12-04得票数 0
回答已采纳
我正在做一个2D游戏引擎项目，我想为我的转换实现矩阵。我要用GLM库。
因为我的游戏是2D的，我想我只需要一个3x3矩阵来组合平移、旋转和缩放操作。然而，glm::translation只过载返回一个4x4矩阵，而不是3x3。
我认为可以通过使用3x3矩阵来执行翻译；为什么GLM只具有返回4x4矩阵的转换函数，而不是3x3矩阵？
浏览 0提问于2017-02-18得票数 1
1回答
我需要做以下工作
b = numpy.random.randn(50001,2)
cof = numpy.corrcoef(b)
c= b>=0.3
return np.dot(c, np.ones([50001,1]))
它给我抛出了一个分段错误。
另外，如果我尝试使用稀疏矩阵，例如：
asp = scipy.sparse.csc_matrix(c)
我得到了一个分段错误
如果矩阵大小较小，则转换工作。
有什么建议吗？
浏览 0提问于2012-06-14得票数 2
我使用下面的代码来乘以矩阵：
cblas_sgemv(CblasRowMajor, CblasNoTrans, n, n, 1, (float *)A, n, B, 1, 1.0f, C, 1);
其中A是n×n矩阵，B是n×1矩阵。
for (k = 0; k < n; k++)
for (i = 0; i < n; i++)
C[i] += A[i * n+ k] * B[k];
可能的原因是什么？
浏览 7提问于2021-10-31得票数 0
我正在尝试将一个矩阵的转置乘以原始矩阵。
B<-matrix(rep(c(10, -10,10), 15), ncol=3, byrow=TRUE)
然后，我使用t(B)函数转置了矩阵，得到了一个15x3和3x15的矩阵，我应该能够将其相乘为B*t(B)或t(B)*B。然而，我得到了一个错误：'Error in t(B) *B:non conformable array‘
这是不是我遗漏了什么？我应该能够乘以B*t(B)或t(B)*B，因为您将有一个3x3矩阵或15x15矩阵作为答案。
浏览 14提问于2020-05-12得票数 0
回答已采纳
2回答
图形矩阵由矩阵乘变换所必需？
、、、、
过去，我一直在研究OpenGL和DirectX，我注意到所有的转换都是通过矩阵和向量乘法来完成的。我想我们都可以承认，尤其是矩阵乘不是直观的，当我知道矩阵乘涉及64乘法和48个加法时，我并没有那么难理解它们。
无论如何，我知道现代系统上的矩阵和向量乘法是用SIMD或SSE指令完成的，减少了操作(或计算)的数量，但我看到的许多计算似乎没有必要。
例如，如果您有一个要转换的顶点，假设我们想要旋转45度，然后在本地转换(5、5、5)，我看到的典型方式如下：
1:获取恒等矩阵。
2:将单位矩阵乘以旋转矩阵。
3:将结果矩阵乘以翻译矩阵(顺序重要)。
4:将生成的矩阵乘以要转换的点/向量。
如果我想将一
浏览 2提问于2016-10-31得票数 0
我研究了由clang从glm (一个用于3d计算的矩阵向量库)操作生成的反汇编代码。
我注意到clang正在做一些双精度操作的“向量化”，例如。在一条SIMD指令中强制执行两次乘法。
然而，对于单精度计算，代码对我来说似乎各不相同。所使用的指令来自SSE指令集和寄存器MMX指令集，但每次乘法都是针对单个浮点数完成的，甚至是赋值组(例如，矩阵赋值)是由一大堆movss语句执行的。这些糟糕的赋值甚至适用于双精度代码。
为什么会这样呢?有没有什么命令行参数可以激励clang做得更好？我知道编译器没有什么神奇之处，但我猜16个内存相邻的线性赋值列表应该在很多方面都是优化的？
浏览 2提问于2015-01-20得票数 0
2回答
我在OpenMP中运行这段用于矩阵乘法的代码，并测量其结果：
#pragma omp for schedule(static)
for (int j = 0; j < COLUMNS; j++)
for (int k = 0; k < COLUMNS; k++)
for (int i = 0; i < ROWS; i++)
matrix_r[i][j] += matrix_a[i][k] * matrix_b[k][j];
根据我将#pragma omp指令放在j循环、k循环或i循环之前的位置，有不同版本的代码。另外，对于其中的
浏览 3提问于2016-01-19得票数 1
今天我想问一个关于哈佛物理2012的问题。
我的版本是2014.1.0R1 (x86 SIMD版本)，我使用的是Windows8上的Visual 2012。
我的问题是，一旦我向世界添加了一个刚体，下次我调用hkpWorld::stepMultithreaded()时，它就会中断一些与SSE数学相关的函数，并通过错误报告函数给我这个错误消息。
C:\NightlyJobs\09-07-Sun-01\Source\Common/Base/Math/Vector/Sse/hkSseVector4Util.inl(307)：0x1FF88F0E断言: hkQuaternionf未标准化/无
浏览 0提问于2015-08-08得票数 1
回答已采纳
1回答
我以前做过OpenGL，现在正在学习一些DirectX11。新的数学库中的一件事是存在向量和矩阵的Load/Store方法(例如， )。
对我来说，当我想要使用每个向量和矩阵时，这会让我不得不存储/加载它们--大量庞大的代码--我想知道在加载/存储过程中是否有任何好的、干净的替代方案？
浏览 4提问于2014-06-26得票数 5
回答已采纳
2回答
我正在开发一个库，它需要在iOS平台上使用向量和矩阵。我决定研究OpenGLES，因为我计划做的矩阵和矢量操作(主要是转置、矩阵乘法和特征位置)肯定会从GPU加速中受益。
问题是我对OpenGLES不太熟悉，老实说可能不是最好的选择。如果我要利用OpenGLES，我是否需要手动编写完成矩阵转换、乘法和幂等运算的算法？或者有另一个苹果或第三方框架可以帮助我完成这些任务。
然而，主要的分割问题是，我希望这些操作能够加速。
我将使用加速框架和矢量化算法来实现我的程序，然后测试它是否对我的目的足够快，如果不是，则尝试GPU实现。
浏览 0提问于2014-01-29得票数 3
回答已采纳
2回答
假设我们有4x43D变换矩阵，这是尺度、旋转和平移变换的结果。如何以最快的方式将其规模设置为(1,1,1)？还假设矩阵由浮点16数组表示。
以最快的方式，我的意思是，性能最精确的方式，那将是低CPU成本。
浏览 0提问于2016-04-11得票数 2
1回答
我正在编写一些性能敏感的代码，其中无符号64位整数(ulong)的乘法是一个瓶颈。
.NET Core3.0使用System.Runtime.Intrinsics命名空间访问硬件本质，这是非常棒的。
我目前使用的是一个可移植的实现，它返回128位结果的高位和低位的元组：
[MethodImpl(MethodImplOptions.AggressiveInlining)]
internal static unsafe (ulong Hi, ulong Lo) Multiply64(ulong x, ulong y)
{
ulong hi;
ulong lo;
lo =
浏览 0提问于2019-05-07得票数 7
我想知道什么是一个好的，性能好的算法，矩阵乘法的4x4矩阵。我正在实现一些仿射变换，并且我知道有几种有效的矩阵乘法算法，比如Strassen。但是，对于如此小的矩阵，是否有一些特别有效的算法呢？我看过的大多数资源都是看渐近线上最有效的。
浏览 0提问于2015-12-26得票数 8
回答已采纳
1回答
我正在做一个C中的尖峰神经网络项目，其中尖峰是布尔值。现在，我已经构建了一个自定义位矩阵类型来表示尖峰矩阵。
我经常需要位矩阵的点积和相同大小的单精度浮标的矩阵，所以我想知道该如何加快速度？
我还需要做浮点矩阵和位矩阵的点态乘法。
我现在的计划只是循环使用和if语句以及位移位。我想加快速度。
float current = 0;
for (int i = 0; i < n_elem; i++, bit_vec >>= 1) {
if (bit_vec & 1)
current += weights[i];
}
我不一定需要使用位向量，它也可以用
浏览 3提问于2022-04-29得票数 1
回答已采纳
2回答
当我试图运行我的程序做矩阵加法时，我得到了一个分段错误。我试图分别运行程序1000次(同时计时每次运行并将结果写入文件)。
问题是，在多次运行后，我得到了分段错误--我得到的距离取决于矩阵的大小。例如，如果我运行一个10x10矩阵(每个实例都有随机生成的数字)，那么在运行1013之后就会出现分段错误。对于一个100x100矩阵，我在260次运行时得到一个分段故障。
该程序的快速运行如下所示：
根据输入的输入(10x10,100x100)，随机生成数字并写入文件。
这些数字从文件中读取并发送给CUDA*
CUDA计算结果并将其写入结果文件(以及计算所用的时间并将其写入另一个文件)
浏览 4提问于2011-12-13得票数 2
1回答
OpenGL矩阵运算
、、、、
假设我有两个矩阵：
MatrixA = translation1 * scale1 * rotation1
MatrixB = translation2 * rotation2 * translation3
MatrixA * MatrixB等于translation1 * scale1 * rotation1 * translation2 * rotation2 * translation3吗？或者其他附近的东西？
事实上，我只想知道我是否可以避免将矩阵相乘，只使用一个矩阵来节省一些CPU，然后连锁数学运算。
因为我计划在LibGDX上构建一个定制的2D引擎，包括一个类似于Android的图
浏览 1提问于2013-08-18得票数 1
回答已采纳
3回答
我有一个灰度矩阵(作为一个简单的数组实现)显示在显示器上：
line 1: | a | b | c |
line 2: | d | e | f |
a-f是灰度值。此模式必须以可变百分比向左或向右移动。
我目前所做的是一种简单的方法：
例如，向左移动20%，因此：
a_new = a * (1 - 0.2) + b * 0.2
b_new = b * (1 - 0.2) + c * 0.2
c_new = c * (1 - 0.2) + 0
诸若此类。也就是说，我对所有元素都有一个循环。
我不在乎六个元素，但实际上矩阵要大得多。
当然，因子(1 - 0.2)可以重用，但是我想知道是否有一种更明
浏览 0提问于2014-10-09得票数 0
1回答
我正在尝试使用本征库添加一个矩阵，我的结果在数值上是正确的，但它缺少负号。加法后的结果是正确的，最后的加法失去了负号。所有矩阵都声明为双精度。
在这两种情况下，我都有以下代码：
for(int i=0;i<9;i++){
mata<<MatrixXd::Zero(4,4);
for(int j=0;i<4;j++){
mata += matb.transpose()*(matc*matb)*scalar;
}
cout<<mata<<endl;
}
我也尝试过：
for(int i=0;i<9;i++){
mata<
浏览 1提问于2017-06-15得票数 0
2回答
在R中，我可以在矩阵和(共形)向量之间进行分段乘法，例如：
X <- matrix(c(1, 2, 3, 4), nrow = 2)
a <- c(0, 1)
X * a
然后将矩阵的每一行与相应的向量元素相乘。我也可以对维数大于2的数组执行相同的操作：
XX <- array(X, dim = c(2, 2, 2))
a <- c(0, 1)
XX * a
同样，每一行都与相应的向量元素相乘。我能对3d数组和2d矩阵做类似的事情吗？我只想让数组的每个子矩阵逐个元素地与一个矩阵相乘。
浏览 2提问于2017-02-19得票数 1
3回答
我试图使用加速框架在Swift中进行矩阵乘法。使用了vDSP_mmulD。这在iPhone6，6+，iPad空气模拟器(全部64位架构)中工作得很好，但不适用于32位架构设备中的任何一种。它认为vDSP_mmulD不被32位架构所识别，程序也不构建。显示的错误信息是“使用未解决的标识符'vDSP_mmulD'”，还有其他人看到此错误吗？请告诉我你的想法。我正在使用Xcode 6.1。谢谢。
浏览 3提问于2014-10-23得票数 3
回答已采纳
2回答
我正在开发基于Intel指令集(AVX，FMA，.)的高性能算法。当数据按顺序存储时，我的算法(我的内核)运行得很好。然而，现在我面临着一个大问题，我没有找到一个工作或解决方案：
int x, y; x = y = 4096;
float data[x*y]__attribute__((aligned(32)));
float buffer[y]__attribute__((aligned(32)));
/* simple test data */
for (i = 0; i < x; i++)
for (j = 0; j < y; j++)
data[
浏览 1提问于2019-01-24得票数 2
我是机器学习的新手，正在尝试不使用linear_model.LinearRegression()通过sklearn进行线性回归。我想我的编码已经接近尾声，准备绘制这条线了，但是我收到了错误消息"ValueError: shapes (20,1) and (2,1) not aligned: 1 (dim 1) != 2 (dim 0)“。我打印出了20 *1的矩阵来确认，它们都没有任何额外的维度或任何东西，所以我不确定为什么它在错误消息中给我(2,1)，或者为什么维度不匹配。关于如何“对齐”这些矩阵，有人有什么建议吗？我使用的是Python 3.5.1。
编辑：我看过stackover
浏览 282提问于2018-10-17得票数 1
回答已采纳
当使用SIMD指令优化矩阵乘法时，我不断地得到分段故障。
这是核心计算部分。矩阵的存储方式如下:分配一个较大的大小vector<double> buf (3 * 1025 * 1025)。矩阵A从buf[0]开始，矩阵B从buf[1025]开始，C从buf[1025*2]开始。我做了各种矩阵乘法，大小为4到1024。所以它们都可以装在这个载体里。
#include <immintrin.h>
#define BLOCK_SIZE 4
/*
* performs 4 * 4 matrix multiplication C=A*B
* C is 4-by-4, A is
浏览 2提问于2021-12-04得票数 2
1回答
我有一个相当大的数据集，我正在计算它的奇异值分解，然后我想要得到矩阵。我的矩阵形状是：(33388,104)，它有很多列和行。我想要80%的能量，也就是k=51。
当我在return中返回我的矩阵时，我得到了以下错误：
operands could not be broadcast together with shapes (33388,51) (51,51)
img is a numpy array of an image file k is the number of singular vectors to use
我如何纠正我的函数来修复这个错误？
def rank_k_approx(i
浏览 20提问于2017-12-16得票数 0
回答已采纳
4回答
为了在我的小计算机上建立一个矩阵，数组的大小变大了，它耗尽了内存容量，然后我得到了一个分段，我想知道在C++中是否有一种检测分段的方法，而不是跳出，然后继续？
unsigned m = 10000;
unsigned n = 10000;
double mat[m][n];
for (unsigned i = 0; i < m; ++i)
{
for (unsigned j = 0; j < n; ++j)
{
double tmpNum1 = rand()%precisionA;
double tmpNum2 = tmpNum1/p
浏览 11提问于2014-04-17得票数 0
回答已采纳
1回答
快速稀疏矩阵乘法
、、、、
对于类，我必须为稀疏矩阵编写自己的线性方程求解器。我可以自由地对稀疏矩阵使用任何类型的数据结构，并且我必须实现几个解决方案，包括共轭梯度。
我想知道是否有一种著名的存储稀疏矩阵的方法，使得与向量的乘法相对较快。
现在，我的稀疏矩阵基本上实现了一个包装的std::map< std::pair<int, int>, double>，它存储数据(如果有的话)。这将矩阵与从向量到O(n²)复杂度的乘法转换为O(n²log(n))，因为我必须对每个矩阵元素执行查找。我研究了耶鲁大学的稀疏矩阵格式，似乎元素的检索也是O(log(n))，所以我不确定它是否会快很多。
作为参考，我有一
浏览 4提问于2013-03-29得票数 20
回答已采纳
我正在尝试旋转RealityKit的起始代码中给出的钢箱，并且我使用以下代码
steelBox.transform.rotation += simd_quatf(angle: radians,
axis: SIMD3<Float>(0, 1, 0))
以尝试旋转对象。
然而，当物体旋转时，它在一个维度上也会变大。
为什么会这样呢？
浏览 2提问于2021-06-09得票数 1
8回答
我正在使用CUDA、C++、C#、Java进行一些基准测试，并使用MATLAB进行验证和矩阵生成。当我用MATLAB执行矩阵乘法时，2048x2048和更大的矩阵几乎可以立即相乘。
1024x1024 2048x2048 4096x4096
--------- --------- ---------
CUDA C (ms) 43.11 391.05 3407.99
C++ (ms) 6137.10 64369.29 551390.93
C# (ms) 10509.0
浏览 480提问于2011-05-19得票数 196
回答已采纳
1回答
何时使用英特尔的指令集扩展技术
、、、、
何时使用英特尔的指令集扩展技术是有意义的，它到底是做什么的？
My场景：，我希望尽可能快地执行~500.000矩阵向量乘法。
矩阵大小: 4x4维向量大小: 1x4
浏览 2提问于2020-10-25得票数 1
这就是他们问我的问题：
随机数产生是指一系列数字或符号的产生，这些数字或符号不能比随机机会更好地被合理地预测。假设我们使用Fibonacci数作为序列，以modula作为随机数。请编写一个程序来计算生成的数字。输入由几个测试用例组成。每个测试用例包含两个整数n(0 <= n <= 2,000,000,000)和m(2 <= m <= 30,000)。测试将在文件结束时停止。对于每个测试用例，输出生成的数字(Fib(n) % m)。
输入:1 10 2 10 3 10 4 10 5 10 6 10 7 10
产出:1 2 3 5 8 3 1
我的代码如下所示：
#
浏览 1提问于2018-03-13得票数 0
我刚刚意识到python做的是两个4x1矩阵的乘法，但我知道不可能将一个4x1矩阵与另一个4x1矩阵相乘。我编写了以下代码来测试这一点： import numpy as np
first_four_by_one = np.array([[1], [2], [3], [4]])
print(first_four_by_one.shape)
second_four_by_one = np.array([[4], [5], [6], [7]])
print(second_four_by_one.shape)
result = first_four_by_one * second_four_b
浏览 36提问于2020-10-30得票数 0
回答已采纳
我想使用MultiThreading递归地计算2个矩阵的乘法，.Using .This算法在每一步中需要7乘法，我想为每个步骤创建和使用7个线程。我能做这个吗？
编辑:我想通过openMP来完成这个任务，我在每个调用函数中使用#pragma omp parallel sections进行7乘。但是我的程序比没有openMP的代码慢。我的代码如下.(这个算法将每个矩阵分解成4个矩阵，用7乘法计算两个矩阵的乘积)。对于8*8矩阵和添加矩阵，我使用SSE/AVX方法)：
void AVXMult2(float *A, //A input array
浏览 0提问于2013-12-04得票数 1
回答已采纳
我试图使用向量本质来加速一段琐碎的代码(作为测试)，但我并没有加快速度--实际上，它有时运行速度会慢一点。我想知道两件事：
矢量化指令是否以任何方式加快了从一个区域/存储到另一个类型操作的简单加载？
除法本质也不会产生更快的结果，事实上，当我引入_mm256_div_pd内在特性时，我开始得到分段错误。我的用法正确吗？
constexpr size_t VECTORSIZE{ (size_t)1024 * 1024 * 64 }; //large array to force main memory accesses
void normal_copy(const fftw_c
浏览 1提问于2022-03-03得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
云直播
对象存储活动推荐
腾讯云开发者
