Fortran Coder

查看: 1763|回复: 3
打印 上一主题 下一主题

[讨论] 使用对整个数组操作方法相比使用循环操作数组方法,会...

[复制链接]

2

帖子

1

主题

0

精华

新人

F 币
12 元
贡献
5 点
跳转到指定楼层
楼主
发表于 2023-5-11 11:22:08 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
请问fortran语言中,使用对整个数组操作方法相比使用循环操作数组方法,会节省计算时间吗

[Fortran] 纯文本查看 复制代码
call cpu_time(start_time)

do i = 1, array_size

  res_array1(i) = array1(i) + array2(i)

res_array1(i) = array1(i) * array2(i)

end do

call cpu_time(end_time)

write(*,*) "使用循环操作需要的时间:", (end_time - start_time)*1000, "毫秒"

call cpu_time(start_time)

res_array2 = array1 + array2

res_array2 = array1 * array2

call cpu_time(end_time)

write(*,*) "使用数组操作需要的时间:", (end_time - start_time)*1000, "毫秒"


分享到:  微信微信
收藏收藏 点赞点赞 点踩点踩

2

帖子

1

主题

0

精华

新人

F 币
12 元
贡献
5 点
沙发
 楼主| 发表于 2023-5-11 11:23:29 | 只看该作者
这是GPT的回答:在大多数情况下,使用Fortran中的向量化指令和操作符对整个数组进行操作通常会比使用循环进行操作更快,能够节省计算时间。
这是因为Fortran编译器优化了对整个数组进行操作,可以利用现代CPU的SIMD寄存器并在单个指令内同时处理多个数据,从而提高操作效率。这种向量化操作方式可以在同样的时间内执行更多的操作,因而很有可能大大减少执行时间,并提高了计算效率。
相比之下,使用循环效率较低,每次循环迭代都需要重复相同的操作,这种操作很可能会导致重复的内存读取和写入操作,增加了内存访问次数和延迟,影响了程序的执行效率,因此,使用对整个数组进行操作的方法可以更有效地利用现代计算机的硬件资源。
需要注意的是,对于较小的数组甚至可以相反,因为向量化操作在数据量很少时可能比循环操作更花费时间,这是因为向量化操作的前提是许多元素、可以在SIMD寄存器的一个操作中并行计算,而数据量太少时无法充分利用此优点。因此,在选择使用哪种方法时,通常需要权衡考虑问题的规模和硬件环境,以便最大限度地提高性能。
但是经过我反复测试,仍然是循环花费的时间少。

736

帖子

4

主题

0

精华

大师

农村外出务工人员

F 币
700 元
贡献
359 点

新人勋章爱心勋章水王勋章元老勋章热心勋章

板凳
发表于 2023-5-11 14:42:19 | 只看该作者
更严格的说法是:
向量化设计,对编译器而言,拥有更大的优化空间,更易于编译器做出优化。

实际情况是:
需要看你使用的什么编译器,开启的何种优化选项。编译器的表现,受多种因素影响。

736

帖子

4

主题

0

精华

大师

农村外出务工人员

F 币
700 元
贡献
359 点

新人勋章爱心勋章水王勋章元老勋章热心勋章

地板
发表于 2023-5-11 14:44:23 | 只看该作者
例如你的代码,经某些编译器优化之后,可能会变成:
[Fortran] 纯文本查看 复制代码
call cpu_time(start_time)
do i = 1, array_size
  res_array1(i) = array1(i) * array2(i)
end do
call cpu_time(end_time)
write(*,*) "使用循环操作需要的时间:", (end_time - start_time)*1000, "毫秒"
call cpu_time(start_time)
res_array2 = array1 * array2
call cpu_time(end_time)
write(*,*) "使用数组操作需要的时间:", (end_time - start_time)*1000, "毫秒"

也就是 res_array2 = array1 + array2 会被完全优化掉,不予计算。甚至可能 do enddo 被优化成数组整体操作。
您需要登录后才可以回帖 登录 | 极速注册

本版积分规则

捐赠本站|Archiver|关于我们 About Us|小黑屋|Fcode ( 京ICP备18005632-2号 )

GMT+8, 2024-12-24 02:14

Powered by Tencent X3.4

© 2013-2024 Tencent

快速回复 返回顶部 返回列表