ADD file via upload

实验步骤4.c

@@ -0,0 +1,129 @@
+#include <stdio.h>
+#include <stdlib.h>
+#include <time.h>
+#include <arm_neon.h> // 包含 NEON 头文件
+
+#define SIZE 1024 // 定义矩阵大小
+#define ALIGNMENT 16 // NEON要求的数据对齐
+
+// 动态分配对齐的二维数组
+float** allocate_2d_array(int rows, int cols) {
+    float** array = (float**)malloc(rows * sizeof(float*));
+    if (!array) {
+        fprintf(stderr, "Memory allocation failed for 2D array.\n");
+        exit(EXIT_FAILURE);
+    }
+
+    for (int i = 0; i < rows; ++i) {
+        array[i] = (float*)aligned_alloc(ALIGNMENT, cols * sizeof(float));
+        if (!array[i]) {
+            fprintf(stderr, "Memory allocation failed for row %d.\n", i);
+            // 释放已经分配的内存
+            for (int j = 0; j < i; ++j) {
+                free(array[j]);
+            }
+            free(array);
+            exit(EXIT_FAILURE);
+        }
+    }
+    return array;
+}
+
+// 释放二维数组
+void free_2d_array(float** array, int rows) {
+    for (int i = 0; i < rows; ++i) {
+        free(array[i]);
+    }
+    free(array);
+}
+
+// 基础矩阵乘法函数
+void matmul(float** A, float** B, float** C, int n) {
+    for (int i = 0; i < n; ++i) {
+        for (int j = 0; j < n; ++j) {
+            C[i][j] = 0; // 初始化 C[i][j]
+            for (int k = 0; k < n; ++k) {
+                C[i][j] += A[i][k] * B[k][j]; // 逐项累加计算结果
+            }
+        }
+    }
+}
+
+// NEON 优化矩阵乘法函数
+void matmul_optimized(float** A, float** B, float** C, int n) {
+    for (int i = 0; i < n; ++i) {
+        for (int j = 0; j < n; ++j) {
+            float32x4_t vecC = vdupq_n_f32(0.0); // 初始化结果向量 vecC 为 0
+
+            for (int k = 0; k <= n - 4; k += 4) { // 确保不会越界
+                // 加载矩阵 A 和 B 的 4 个连续元素
+                float32x4_t vecA = vld1q_f32(&A[i][k]);
+                float32x4_t vecB = vld1q_f32(&B[k][j]);
+
+                // 执行向量化乘法和累加
+                vecC = vmlaq_f32(vecC, vecA, vecB);
+            }
+
+            // 还原向量结果到 C[i][j]
+            C[i][j] = vaddvq_f32(vecC);
+
+            // 处理剩余元素（如果 n 不是 4 的倍数）
+            for (int k = n & ~3; k < n; ++k) {
+                C[i][j] += A[i][k] * B[k][j];
+            }
+        }
+    }
+}
+
+int main() {
+    // 检查是否支持NEON
+    #if !defined(__ARM_NEON)
+    printf("Error: This compiler does not support ARM NEON.\n");
+    return 1;
+    #endif
+
+    // 动态分配矩阵 A、B、C 和 C_optimized 的内存
+    float** A = allocate_2d_array(SIZE, SIZE);
+    float** B = allocate_2d_array(SIZE, SIZE);
+    float** C = allocate_2d_array(SIZE, SIZE);
+    float** C_optimized = allocate_2d_array(SIZE, SIZE);
+
+    // 初始化矩阵 A 和 B 的元素
+    srand(time(0));
+    for (int i = 0; i < SIZE; ++i) {
+        for (int j = 0; j < SIZE; ++j) {
+            A[i][j] = rand() % 100; // 生成 0 到 99 的随机数
+            B[i][j] = rand() % 100;
+        }
+    }
+
+    // 计时并进行基础矩阵乘法
+    clock_t start = clock();
+    matmul(A, B, C, SIZE); // 执行基础矩阵乘法
+    clock_t end = clock();
+    printf("基础矩阵乘法运行时间: %.6f 秒\n", (double)(end - start) / CLOCKS_PER_SEC);
+
+    // 计时并进行 NEON 优化矩阵乘法
+    start = clock();
+    matmul_optimized(A, B, C_optimized, SIZE); // 执行 NEON 优化矩阵乘法
+    end = clock();
+    printf("NEON 优化矩阵乘法运行时间: %.6f 秒\n", (double)(end - start) / CLOCKS_PER_SEC);
+
+    // 验证结果
+    for (int i = 0; i < SIZE; ++i) {
+        for (int j = 0; j < SIZE; ++j) {
+            if (C[i][j] != C_optimized[i][j]) {
+                printf("Results do not match at index (%d, %d): %f vs %f\n", i, j, C[i][j], C_optimized[i][j]);
+                break;
+            }
+        }
+    }
+
+    // 释放矩阵 A、B、C、C_optimized 的内存
+    free_2d_array(A, SIZE);
+    free_2d_array(B, SIZE);
+    free_2d_array(C, SIZE);
+    free_2d_array(C_optimized, SIZE);
+
+    return 0;
+}

实验步骤5.c

@@ -0,0 +1,105 @@
+#include <stdio.h>
+#include <stdlib.h>
+#include <time.h>
+
+// 定义稀疏矩阵的结构体
+typedef struct {
+    float* values;      // 存储非零元素的值
+    int* rowIndex;      // 存储非零元素的行索引
+    int* colIndex;      // 存储非零元素的列索引
+    int nonZeroCount;   // 非零元素的总数量
+    int rows;           // 矩阵的总行数
+    int cols;           // 矩阵的总列数
+} SparseMatrix;
+
+// 初始化稀疏矩阵
+SparseMatrix create_sparse_matrix(int rows, int cols, int nonZeroCount) {
+    SparseMatrix mat;
+    mat.values = (float*)malloc(nonZeroCount * sizeof(float));
+    mat.rowIndex = (int*)malloc(nonZeroCount * sizeof(int));
+    mat.colIndex = (int*)malloc(nonZeroCount * sizeof(int));
+    mat.nonZeroCount = nonZeroCount;
+    mat.rows = rows;
+    mat.cols = cols;
+    return mat;
+}
+
+// 释放稀疏矩阵内存
+void free_sparse_matrix(SparseMatrix* mat) {
+    free(mat->values);
+    free(mat->rowIndex);
+    free(mat->colIndex);
+}
+
+// 稀疏矩阵乘法
+void sparse_matmul(SparseMatrix* A, SparseMatrix* B, SparseMatrix* C) {
+    // 假设 A 的列数等于 B 的行数
+    for (int i = 0; i < A->nonZeroCount; ++i) {
+        for (int j = 0; j < B->nonZeroCount; ++j) {
+            // 如果 A 的列索引和 B 的行索引相同
+            if (A->colIndex[i] == B->rowIndex[j]) {
+                int row = A->rowIndex[i];
+                int col = B->colIndex[j];
+                // 更新结果矩阵
+                for (int k = 0; k < C->nonZeroCount; ++k) {
+                    if (C->rowIndex[k] == row && C->colIndex[k] == col) {
+                        C->values[k] += A->values[i] * B->values[j];
+                        break;
+                    }
+                }
+            }
+        }
+    }
+}
+
+// 打印稀疏矩阵
+void print_sparse_matrix(SparseMatrix* mat) {
+    printf("Sparse Matrix:\n");
+    for (int i = 0; i < mat->nonZeroCount; ++i) {
+        printf("Value: %f, Row: %d, Col: %d\n", mat->values[i], mat->rowIndex[i], mat->colIndex[i]);
+    }
+}
+
+int main() {
+    // 初始化稀疏矩阵 A 和 B
+    int rows = 4, cols = 4, nonZeroCountA = 4, nonZeroCountB = 4;
+    SparseMatrix A = create_sparse_matrix(rows, cols, nonZeroCountA);
+    SparseMatrix B = create_sparse_matrix(rows, cols, nonZeroCountB);
+
+    // 初始化 A 和 B 矩阵中的非零元素
+    srand(time(0));
+    for (int i = 0; i < nonZeroCountA; ++i) {
+        A.values[i] = rand() % 10 + 1;
+        A.rowIndex[i] = i % rows; // 为了简化，这里使用简单的模式
+        A.colIndex[i] = i % cols;
+    }
+    for (int i = 0; i < nonZeroCountB; ++i) {
+        B.values[i] = rand() % 10 + 1;
+        B.rowIndex[i] = i % rows; // 为了简化，这里使用简单的模式
+        B.colIndex[i] = i % cols;
+    }
+
+    // 初始化结果矩阵 C
+    SparseMatrix C = create_sparse_matrix(rows, cols, nonZeroCountA * nonZeroCountB); // 最坏情况下的非零元素数量
+    for (int i = 0; i < C.nonZeroCount; ++i) {
+        C.values[i] = 0;
+        C.rowIndex[i] = -1; // 标记为未使用
+        C.colIndex[i] = -1;
+    }
+
+    // 计时并进行稀疏矩阵乘法
+    clock_t start = clock();
+    sparse_matmul(&A, &B, &C); // 执行稀疏矩阵乘法
+    clock_t end = clock();
+    printf("稀疏矩阵乘法运行时间: %.6f 秒\n", (double)(end - start) / CLOCKS_PER_SEC);
+
+    // 打印结果矩阵
+    print_sparse_matrix(&C);
+
+    // 释放稀疏矩阵 A、B、C 的内存
+    free_sparse_matrix(&A);
+    free_sparse_matrix(&B);
+    free_sparse_matrix(&C);
+
+    return 0;
+}

步骤一.c

@@ -0,0 +1,46 @@
+#include <stdio.h>
+#include <stdlib.h>
+#include <time.h>
+
+#define SIZE 1024
+
+// 向量加法函数
+void vector_add(float* A, float* B, float* C, int size) {
+    for (int i = 0; i < size; ++i) { // 在循环内部声明i
+        C[i] = A[i] + B[i];
+    }
+}
+
+int main() {
+    // 定义向量
+    float A[SIZE], B[SIZE], C[SIZE];
+
+    // 初始化随机数种子
+    srand(time(0));
+
+    // 初始化向量 A 和 B
+    for (int i = 0; i < SIZE; ++i) { // 在循环内部声明i
+        A[i] = (float)(rand() % 100) / 100.0f; // 生成0到1之间的浮点数
+        B[i] = (float)(rand() % 100) / 100.0f;
+    }
+
+    // 多次执行以获得更准确的时间测量
+    const int NUM_ITERATIONS = 1000;
+    clock_t total_time = 0;
+    for (int j = 0; j < NUM_ITERATIONS; ++j) {
+        clock_t start = clock();
+        vector_add(A, B, C, SIZE); // 执行向量加法
+        clock_t end = clock();
+        total_time += (end - start);
+    }
+出平
+    // 输均运行时间
+    printf("基础向量加法平均运行时间: %.6f 秒\n", (double)total_time / (CLOCKS_PER_SEC * NUM_ITERATIONS));
+
+    // 可选：验证前几个元素的结果
+    for (int k = 0; k < 5; ++k) {
+        printf("A[%d] + B[%d] = C[%d]: %.2f + %.2f = %.2f\n", k, k, k, A[k], B[k], C[k]);
+    }
+
+    return 0;
+}

步骤三.c

@@ -0,0 +1,85 @@
+#include <stdio.h>
+#include <stdlib.h>
+#include <time.h>
+
+#define SIZE 1024 // 定义矩阵大小
+#define ALIGNMENT 64 // 对齐大小
+
+// 动态分配对齐的二维数组
+float** allocate_2d_array(int rows, int cols) {
+    float** array = (float**)malloc(rows * sizeof(float*));
+    if (!array) {
+        fprintf(stderr, "Memory allocation failed for 2D array.\n");
+        exit(EXIT_FAILURE);
+    }
+
+    for (int i = 0; i < rows; ++i) {
+        array[i] = (float*)aligned_alloc(ALIGNMENT, cols * sizeof(float));
+        if (!array[i]) {
+            fprintf(stderr, "Memory allocation failed for row %d.\n", i);
+            // 释放已经分配的内存
+            for (int j = 0; j < i; ++j) {
+                free(array[j]);
+            }
+            free(array);
+            exit(EXIT_FAILURE);
+        }
+    }
+    return array;
+}
+
+// 释放二维数组
+void free_2d_array(float** array, int rows) {
+    for (int i = 0; i < rows; ++i) {
+        free(array[i]);
+    }
+    free(array);
+}
+
+// 矩阵乘法函数
+void matmul(float** A, float** B, float** C, int n) {
+    for (int i = 0; i < n; ++i) {
+        for (int j = 0; j < n; ++j) {
+            C[i][j] = 0; // 初始化 C[i][j]
+            for (int k = 0; k < n; ++k) {
+                C[i][j] += A[i][k] * B[k][j]; // 逐项累加计算结果
+            }
+        }
+    }
+}
+
+int main() {
+    // 动态分配矩阵 A、B、C 的内存
+    float** A = allocate_2d_array(SIZE, SIZE);
+    float** B = allocate_2d_array(SIZE, SIZE);
+    float** C = allocate_2d_array(SIZE, SIZE);
+
+    // 初始化矩阵 A 和 B 的元素
+    srand(time(0));
+    for (int i = 0; i < SIZE; ++i) {
+        for (int j = 0; j < SIZE; ++j) {
+            A[i][j] = rand() % 100; // 生成 0 到 99 的随机数
+            B[i][j] = rand() % 100;
+        }
+    }
+
+    // 多次执行以获得更准确的时间测量
+    const int NUM_ITERATIONS = 10;
+    clock_t total_time = 0;
+    for (int iter = 0; iter < NUM_ITERATIONS; ++iter) {
+        clock_t start = clock();
+        matmul(A, B, C, SIZE); // 执行矩阵乘法
+        clock_t end = clock();
+        total_time += (end - start);
+    }
+
+    // 输出平均运行时间
+    printf("基础矩阵乘法平均运行时间: %.6f 秒\n", (double)total_time / (CLOCKS_PER_SEC * NUM_ITERATIONS));
+
+    // 释放矩阵 A、B、C 的内存
+    free_2d_array(A, SIZE);
+    free_2d_array(B, SIZE);
+    free_2d_array(C, SIZE);
+
+    return 0;
+}

步骤二.c

@@ -0,0 +1,83 @@
+#include <stdio.h>
+#include <stdlib.h>
+#include <time.h>
+#include <arm_neon.h> // 包含 NEON 头文件
+
+#define SIZE 1024 // 定义向量大小
+#define ALIGNMENT 16 // NEON要求的数据对齐
+
+// 基础向量加法函数
+void vector_add(float* A, float* B, float* C, int size) {
+    for (int i = 0; i < size; ++i) {
+        C[i] = A[i] + B[i];
+    }
+}
+
+// NEON 优化向量加法函数
+void vector_add_optimized(float* A, float* B, float* C, int size) {
+    for (int i = 0; i <= size - 4; i += 4) { // 确保不会越界
+        float32x4_t vecA = vld1q_f32(&A[i]);
+        float32x4_t vecB = vld1q_f32(&B[i]);
+        float32x4_t vecC = vaddq_f32(vecA, vecB);
+        vst1q_f32(&C[i], vecC);
+    }
+
+    // 处理剩余元素（如果 size 不是 4 的倍数）
+    for (int i = size & ~3; i < size; ++i) { // 使用位操作确保从最近的4的倍数开始
+        C[i] = A[i] + B[i];
+    }
+}
+
+int main() {
+    // 检查是否支持NEON
+    #if !defined(__ARM_NEON)
+    printf("Error: This compiler does not support ARM NEON.\n");
+    return 1;
+    #endif
+
+    // 定义并初始化对齐的向量
+    float *A = (float *)aligned_alloc(ALIGNMENT, SIZE * sizeof(float));
+    float *B = (float *)aligned_alloc(ALIGNMENT, SIZE * sizeof(float));
+    float *C = (float *)aligned_alloc(ALIGNMENT, SIZE * sizeof(float));
+    float *C_optimized = (float *)aligned_alloc(ALIGNMENT, SIZE * sizeof(float));
+
+    if (!A || !B || !C || !C_optimized) {
+        printf("Memory allocation failed.\n");
+        free(A); free(B); free(C); free(C_optimized);
+        return 1;
+    }
+
+    // 初始化随机数种子
+    srand(time(0));
+
+    // 初始化向量 A 和 B
+    for (int i = 0; i < SIZE; ++i) {
+        A[i] = rand() % 100; // 生成 0 到 99 的随机数
+        B[i] = rand() % 100;
+    }
+
+    // 基础向量加法计时
+    clock_t start = clock();
+    vector_add(A, B, C, SIZE); // 执行基础向量加法
+    clock_t end = clock();
+    printf("基础向量加法运行时间: %.6f 秒\n", (double)(end - start) / CLOCKS_PER_SEC);
+
+    // NEON 优化向量加法计时
+    start = clock();
+    vector_add_optimized(A, B, C_optimized, SIZE); // 执行 NEON 优化向量加法
+    end = clock();
+    printf("NEON 优化向量加法运行时间: %.6f 秒\n", (double)(end - start) / CLOCKS_PER_SEC);
+
+    // 验证结果
+    for (int i = 0; i < SIZE; ++i) {
+        if (C[i] != C_optimized[i]) {
+            printf("Results do not match at index %d: %f vs %f\n", i, C[i], C_optimized[i]);
+            break;
+        }
+    }
+
+    // 释放内存
+    free(A); free(B); free(C); free(C_optimized);
+
+    return 0;
+}