现代 fortran 中的 sum(sum(A.*B)) （matlab 符号）
sum(sum(A.*B)) (matlab notation) in modern fortran
能否建议我一个有效的实施方法
sum(sum(C))
哪里
C=A.*B
这里我用的是matlab的表示法，意思就是对于A和B方阵，A.*B是一个同维矩阵，其元素i-j是A的元素i-j与元素的乘积b的i-j，即
Cij = Aij*Bij
那么，sum(sum(C))表示矩阵C所有元素的和。
当然，做一个DO循环计算这个很容易，但是这个操作在另一个循环周期内，所以我必须做几次，这就是为什么我认为这可能是一种更有效的方法。
当然，“sum(sum())”部分很简单，我只是找不到有效的方法来做 A.*B
你要的操作就是Fortran中的sum(a*b)。如果 a 和 b 是向量，则结果是点积。 s = a(1)*b(1)+a(2)*b(2)+.. 但如果它们是矩阵，那么我不知道该怎么称呼它。
下面是两种环境中线性代数的快速概述
Operation
Matlab
Fortran
Element Multiplication
c = a .* bc = a * b
Matrix Product
c = a * bc = matmul(a,b)
Element Sum
sum(sum(c))sum(c)
Transpose
a.'transpose(a)
Inner Product
a.'*bdot_product(a,b)
Outer Product
a*b.'matmul(a,transpose(b))
Maximum Value
max(max(a))maxval(a)
Minimum Value
min(min(a))minval(a)
顺便说一下，大多数编译器会识别 do 循环并将它们矢量化，从而产生与上述代码一样快的代码。事实上，在我的测试中，do-loop 方法比紧凑方法快大约 3-5%。我通常更喜欢紧凑的表示法，只有当我只需要优化一些特定的代码时，我才会写出循环。请记住在启用 AVX2 的情况下进行编译，并且编译器展开循环以允许更有效的内存访问。
能否建议我一个有效的实施方法
sum(sum(C))
哪里
C=A.*B
这里我用的是matlab的表示法，意思就是对于A和B方阵，A.*B是一个同维矩阵，其元素i-j是A的元素i-j与元素的乘积b的i-j，即
Cij = Aij*Bij
那么，sum(sum(C))表示矩阵C所有元素的和。
当然，做一个DO循环计算这个很容易，但是这个操作在另一个循环周期内，所以我必须做几次，这就是为什么我认为这可能是一种更有效的方法。
当然，“sum(sum())”部分很简单，我只是找不到有效的方法来做 A.*B
你要的操作就是Fortran中的sum(a*b)。如果 a 和 b 是向量，则结果是点积。 s = a(1)*b(1)+a(2)*b(2)+.. 但如果它们是矩阵，那么我不知道该怎么称呼它。
下面是两种环境中线性代数的快速概述
| Operation | Matlab | Fortran |
|---|---|---|
| Element Multiplication | c = a .* b |
c = a * b |
| Matrix Product | c = a * b |
c = matmul(a,b) |
| Element Sum | sum(sum(c)) |
sum(c) |
| Transpose | a.' |
transpose(a) |
| Inner Product | a.'*b |
dot_product(a,b) |
| Outer Product | a*b.' |
matmul(a,transpose(b)) |
| Maximum Value | max(max(a)) |
maxval(a) |
| Minimum Value | min(min(a)) |
minval(a) |
顺便说一下，大多数编译器会识别 do 循环并将它们矢量化，从而产生与上述代码一样快的代码。事实上，在我的测试中，do-loop 方法比紧凑方法快大约 3-5%。我通常更喜欢紧凑的表示法，只有当我只需要优化一些特定的代码时，我才会写出循环。请记住在启用 AVX2 的情况下进行编译，并且编译器展开循环以允许更有效的内存访问。