@N
а кеши
Size: a a a
2020 September 14
PO
И хранить таким образом в памяти
IL
в простом транспонировании нет особо связи, а вот при транспорировании и выполнении поэлементной операции есть
а, понял
и типа нет смысла векторизировать, когда у нас все так же кэшмиссы на каждый элемент
и типа нет смысла векторизировать, когда у нас все так же кэшмиссы на каждый элемент
@N
а, понял
и типа нет смысла векторизировать, когда у нас все так же кэшмиссы на каждый элемент
и типа нет смысла векторизировать, когда у нас все так же кэшмиссы на каждый элемент
ну да
PO
Засчет инверсий мы добиваемся того что у нас в цельном куске кэша все лежит
@N
векторизацией ты только вычислительную часть ускоришь
@N
а её надо вообще в последнюю очередь ускорять, когда память уже перестаёт быть боттлнеком
IL
Засчет инверсий мы добиваемся того что у нас в цельном куске кэша все лежит
И это быстрее будет чем поэлементно работать?
PO
И это быстрее будет чем поэлементно работать?
Да
PO
Мы матрицу бьем на квадраты
PO
По логу размером
PO
И храним в последовательных участках эти квадраты
PO
Засчет этого шлем нахуй все проблемы с кэшами
@N
И храним в последовательных участках эти квадраты
ну вообще да, но на таком уровне надо всё бенчмаркать
PO
Классический трюк лет как 100 юзается
PO
Всякие умножения ускоряет раз в 20
IL
Классический трюк лет как 100 юзается
на бумажках матрицы записывали и хранили в блокнотике?)0
PO
на бумажках матрицы записывали и хранили в блокнотике?)0
Кек
PO
Вычислителям в таком виде подавали на самом деле
IL
на бумажках матрицы записывали и хранили в блокнотике?)0
вместо бумаг размером с доску