哈工大csapp-LAB3程序优化
實驗報告
實 驗（三）
題???? 目 ?????優化??????? ???????
專?????? 業 ???人工智能（未來技術）???
學 ?? 號 ???7203610716?????????????
班 ?? 級 ???20WJ102???????????????
學?????? 生 ???孫銘蔚???????????
指 導 教 師 ???劉宏偉???????????????
實 驗 地 點 ???G712?????????????
實 驗 日 期 ???2022.04.16?????????
計算學部
目? 錄
第1章 實驗基本信息....................................... - 3 -
1.1 實驗目的................................................... - 3 -
1.2 實驗環境與工具............................................. - 3 -
1.2.1 硬件環境............................................... - 3 -
1.2.2 軟件環境............................................... - 3 -
1.2.3 開發工具............................................... - 3 -
1.3 實驗預習................................................... - 3 -
第2章 實驗預習........................................... - 4 -
2.1 程序優化的十大方法（5分）.................................. - 4 -
2.2性能優化的方法概述（5分）.................................. - 4 -
2.3 Linux下性能測試的方法（5分）............................... - 4 -
2.4 Windows下性能測試的方法（5分）.............................. - 4 -
第3章 性能優化的方法..................................... - 5 -
第4章 性能優化實踐....................................... - 7 -
第5章 總結.............................................. - 8 -
5.1 請總結本次實驗的收獲....................................... - 8 -
5.2 請給出對本次實驗內容的建議................................. - 8 -
參考文獻................................................. - 9 -
第1章 實驗基本信息
1.1 實驗目的
-
- 理解程序優化的10個維度
- 熟練利用工具進行程序的性能評價、瓶頸定位
- 掌握多種程序性能優化的方法
- 熟練應用軟件、硬件等底層技術優化程序性能
1.2 實驗環境與工具
1.2.1 硬件環境
硬件1概覽：
? 型號名稱： MacBook Air
? 型號標識符： MacBookAir10,1
? 芯片： Apple M1
? 核總數： 8（4性能和4能效）
? 內存： 8 GB
? 系統固件版本： 7429.81.3
? 操作系統加載程序版本： 7429.81.3
? 序列號（系統）： C02H479LQ6L5
? 硬件UUID： B9297F28-81B7-5DB0-8760-89063F63E0E5
? 預置UDID： 00008103-001205960108801E
? 激活鎖狀態： 已啟用
硬件2概覽：
64 位操作系統, 基于 x64 的處理器
AMD Ryzen 7 4800H with Radeon Graphics??????????? 2.90 GHz
LAPTOP-CSSCDDGT
1.2.2 軟件環境
Windows下Visual Studio 2020以上64位
Windows下Perf、VS的性能探測器
Ubuntu下oprofiler、gprof
1.2.3 開發工具
Visual Studio 2022 64位；vs code 64位
1.3 實驗預習
了解實驗的目的、實驗環境與軟硬件工具、實驗操作步驟，復習與實驗有關的理論知識。性能測試準確性的文獻查找，我了解到，流水線、超線程、超標量、向量、多核、GPU、多級CACHE、編譯優化Ox、多進程、多線程等多種因素對程序性能均有綜合影響。
第2章 實驗預習
總分20分
2.1 程序優化的十大方法（5分）
2.2性能優化的方法概述（5分）
1.一般有用的優化
2.面向編譯器的優化
3.面向超標量CPU的優化
4.面向向量CPU的優化
5. CMOVxx等指令
6. 嵌入式匯編
7.面向編譯器的優化
8.面向存儲器的優化：
9.內存作為邏輯磁盤
10.多進程優化
11.文件訪問優化：帶Cache的文件訪問
12.并行計算：多線程優化
13.網絡計算優化
14.GPU編程、算法優化
15.超級計算
2.3 Linux下性能測試的方法（5分）
2.4 Windows下性能測試的方法（5分）
1.在visual studio中使用調試工具：性能探測器：CPU、RAM、GPU
2.使用自己構造的函數測出程序運行時間，進而測試性能
第3章 性能優化的方法
總分20分
逐條論述性能優化方法名稱、原理、實現方案（至少10條）
3.1
1.一般有用的優化
代碼移動
復雜指令簡化
公共子表達式
2.面向編譯器的優化：障礙
函數副作用
內存別名
3.面向超標量CPU的優化
流水線、超線程、多功能部件、分支預測投機執行、亂序執行、多核：分離的循環展開！
只有保持能夠執行該操作的所有功能單元的流水線都是滿的，程序才能達到這個操作的吞吐量界限
4.面向向量CPU的優化：MMX/SSE/AVR
5. CMOVxx等指令
代替test/cmp+jxx
6. 嵌入式匯編
7.面向編譯器的優化
Ox:0 1 2 3 g
8.面向存儲器的優化：Cache無處不在
重新排列提高空間局部性
分塊提高時間局部性
9.內存作為邏輯磁盤：內存夠用的前提下。
10.多進程優化
fork，每個進程負責各自的工作任務，通過mmap共享內存或磁盤等進行交互。
11.文件訪問優化：帶Cache的文件訪問
12.并行計算：多線程優化：第12章
13.網絡計算優化：第11章、分布式計算、云計算
14.GPU編程、算法優化
15.超級計算
?
第4章 性能優化實踐
總分60分
4.1 原始程序及說明（10分）
void putong(long img[1922][1082]) {for(int j = 1; j < 1081; j++){for (int i = 1; i < 1921;i++){/* code */img[i][j] = (img[i-1][j] + img[i+1][j]+img[i][j-1] + img[i][j+1] ) / 4;}} }程序的功能：
源程序功能是對給定的數組模擬圖像平滑算法，對數組的值進行更改
流程：任一點的顏色值為其上下左右4個點顏色的平均值，即：img[i][j]? =?? (? img[i-1][j] + img[i+1][j] +img[i][j-1] + img[i][j+1] ) /4。
程序可能瓶頸：
1、這個程序不符合空間局部性
2、這個程序使用了占用時鐘周期較長的除法
3、這個程序沒有充分利用CPU，即流水線不是總處于滿的狀態，具有數據相關性。由于循環減少了分支預測失敗的可能性，同時增加了循環體內語句并發執行的可能性，我們考慮使用循環展開對代碼優化。
4.2 優化后的程序及說明（20分）
至少包含面向CPU、Cache的兩種優化策略（20分），額外每增加1種優化方法加5分至第4章滿分。
面向CPU(循環展開)：
void cpu(long img[1922][1082])//循環展開{int i;long bef1,aft1,bef2,aft2;long B[1082];for (i = 0;i < 1082;i++) {B[i] = img[0][i];}for(int j=1;j<1080;j+=8){for(int i=1;i<1921;i++){bef1=img[i][j+1];aft1=img[i][j+2];bef2=img[i][j+5];aft2=img[i][j+6];img[i][j]=(B[j]+img[i+1][j]+img[i][j-1]+bef1)/4;img[i][j+1]=(B[j+1]+img[i+1][j+1]+aft1+img[i][j])/4;img[i][j+2]=(B[j+2]+img[i+1][j+2]+bef1+img[i][j+3])/4;img[i][j+3]=(B[j+3]+img[i+1][j+3]+aft1+img[i][j+4])/4;img[i][j+4]=(B[j+4]+img[i+1][j+4]+img[i][j+3]+bef2)/4;img[i][j+5]=(B[j+5]+img[i+1][j+5]+aft2+img[i][j+4])/4;img[i][j+6]=(B[j+6]+img[i+1][j+6]+bef2+img[i][j+7])/4;img[i][j+7]=(B[j+7]+img[i+1][j+7]+aft2+img[i][j+8])/4;B[j] = img[i][j];B[j + 1] = img[i][j+1];B[j + 2] = img[i][j+2];B[j + 3] = img[i][j+3];B[j+4] = img[i][j+4];B[j + 5] = img[i][j+5];B[j + 6] = img[i][j+6];B[j + 7] = img[i][j+7];}}}說明：
顯然流水線只要流起來可以大大提高CPU的工作效率，我們在循環的時候，每次可以使用更多變量參與運算，能使流水線更好地流。于是。我首先講邊緣數據存儲到數組B中。在主循環中，我設置的步長為8，我定義4個變量aft1和bef1，aft2和bef2，分別存儲8個原數據的第3、2、7、6個，每次循環更新img數組后，更新B數組。
這樣可以使硬件能讓流水線很好地運作，即使在少數情況下也只犧牲一點效率。
面向Cache1（符合空間局部性）:
void cache(long img[1922][1082]){for(int i = 1; i < 1921;i++){for (int j = 1; j < 1081; j++){/* code */img[i][j] = (img[i-1][j] + img[i+1][j]+img[i][j-1] + img[i][j+1] ) /4;}}}說明：
由于數組在電腦中按行進行存儲，根據上課講過的命中和不命中的知識，通過書中知識可以知道，對于數組來說，一旦程序訪問了某個存儲單元，在不久之后，其附近的存儲單元也將被訪問，即程序在一段時間內所訪問的地址，可能集中在一定的范圍之內，這是因為指令通常是順序存放、順序執行的，數據也一般是以向量、數組、表等形式簇聚存儲的。如果一個存儲器的位置被引用，那么將來他附近的位置也會被引用。如果其訪問順序和存儲順序一致，程序性能會提升很多。
面向Cache2（按行進行分塊）:
void fenkuai_cpu_row(long img[1922][1082]){int i, j, k, kk=4, jj=4;int bsize = 4;// int en = bsize * (1922/bsize); /* Amount that fits evenly into blocks */int en = 1921; /* Amount that fits evenly into blocks */for (jj = 1; jj < en; jj += bsize){for (i = jj; i < jj + bsize; i++){for (j = 1; j < 1081; j++){img[i][j] = (img[i-1][j] + img[i+1][j]+img[i][j-1] + img[i][j+1] ) / 4;}}}}說明：
根據csapp中所述，有一種有趣的技術叫做分塊，它可以改善內部循環的時間局部性。分塊的一般思想是將程序中的數據結構組織成稱為塊的大塊。(在這里，“塊”指的是應用程序級的數據塊，而不是緩存塊。)程序是結構化的，它將一個數據塊加載到L1緩存中，對該數據塊執行所有需要的讀寫操作，然后丟棄該數據塊，加載下一個數據塊，以此類推。與用于改進空間局部性的簡單循環轉換不同，阻塞使代碼更難閱讀和理解。由于這個原因，它最適合優化編譯器或頻繁執行的庫例程。利用上述原理，我將數據按列分塊，我默認一個塊中有4個數據，進行試驗后發現性能提升不少。
面向Cache3（按列進行分塊）:
void fenkuai_cpu_col(long img[1922][1082]){int i, j, k, kk=4, jj=4;int bsize = 4;// int en = bsize * (1922/bsize); /* Amount that fits evenly into blocks */int en = 1081; /* Amount that fits evenly into blocks */for (jj = 1; jj < en; jj += bsize){for (i = 1; i < 1921; i++){for (j = jj; j < jj + bsize; j++){img[i][j] = (img[i-1][j] + img[i+1][j]+img[i][j-1] + img[i][j+1] ) / 4;}}}}說明：
根據csapp中所述，有一種有趣的技術叫做分塊，它可以改善內部循環的時間局部性。分塊的一般思想是將程序中的數據結構組織成稱為塊的大塊。(在這里，“塊”指的是應用程序級的數據塊，而不是緩存塊。)程序是結構化的，它將一個數據塊加載到L1緩存中，對該數據塊執行所有需要的讀寫操作，然后丟棄該數據塊，加載下一個數據塊，以此類推。與用于改進空間局部性的簡單循環轉換不同，阻塞使代碼更難閱讀和理解。由于這個原因，它最適合優化編譯器或頻繁執行的庫例程。利用上述原理，我將數據按列分塊，我默認一個塊中有4個數據，進行試驗后發現性能提升不少。
面向Cache4（按正方形進行分塊）:
void fenkuai_cpu_row4(long img[1922][1082]){int i, j, k, kk = 4, jj = 4;int bsize = 4;// int en = bsize * (1922/bsize); /* Amount that fits evenly into blocks */int M = 1081, N = 1921;// int en = bsize * (1922/bsize); /* Amount that fits evenly into blocks */int en = 1921; /* Amount that fits evenly into blocks */for (int ii = 1; ii < N; ii += bsize){for (int jj = 1; jj < M; jj += bsize){for (int i = ii; i < ((ii + bsize) > N ? N : ii + bsize); i++){for (int j = jj; j < ((jj + bsize) > M ? M : jj + bsize); j++){img[i][j] = (img[i - 1][j] + img[i + 1][j] + img[i][j - 1] + img[i][j + 1]) / 4;}}}}}一般的優化方法（除法變成移位操作）：void cache1(long img[1922][1082]){for(int j = 1; j < 1081; j++){for (int i = 1; i < 1921;i++){/* code */img[i][j] = (img[i-1][j] + img[i+1][j]+img[i][j-1] + img[i][j+1] ) >> 2;}}}說明：
由于從效率上看，使用移位指令有更高的效率，因為移位指令占2個機器周期，而乘除法指令占4個機器周期。從硬件上看，移位對硬件更容易實現，所以會用移位，左移一位就乘2,右移一位處以2，這種乘除法考慮移位實現會更快。
整合所有方法：
void success(long img[1922][1082]){int i;long bef,aft;long B[1082];for (i = 0;i < 1082;i++) {B[i] = img[0][i];//存儲邊界值}for(int i=1;i<1921;i++){for(int j=1;j<1081;j+=4){bef=img[i][j+1];aft=img[i][j+2];img[i][j]=(B[j]+img[i+1][j]+img[i][j-1]+bef)>>2;img[i][j+1]=(B[j+1]+img[i+1][j+1]+aft+img[i][j])>>2;img[i][j+2]=(B[j+2]+img[i+1][j+2]+bef+img[i][j+3])>>2;img[i][j+3]=(B[j+3]+img[i+1][j+3]+aft+img[i][j+4])>>2;B[j] = img[i][j];B[j + 1] = img[i][j+1];B[j + 2] = img[i][j+2];B[j + 3] = img[i][j+3];}}}4.3 優化前后的性能測試（10分）
測試方法：
使用C語言中的庫函數測量程序開始到結束的時間，對各個優化方法的時間進行比較，而且我每次運算后打印指定位置數據，發現均相同，證明程序沒出錯。
測試結果：
????? ??
圖1性能測試截圖
從測試結果可以看到，我采用的優化方法確實提高了程序性能，減少了程序運行時間。
整理所有運行時間如下表：
表1:性能測試結果
| 采用方法描述 | 運行時間(s) |
| (初始狀態，沒有進行任何優化，局部性很差) | 0.86 |
| after (一般有用的優化，除法變為移位操作) | 0.55 |
| after cache（空間局部性） | 0.78 |
| after cpu（循環展開8） | 0.46 |
| (整合所有非分塊的優化方案) | 0.42 |
| 按列對矩陣進行分塊(cache) | 0.80 |
| 按行對矩陣進行分塊(cache) | 0.77 |
| 按列對矩陣進行分塊+除法變成移位 | 0.52 |
| 按行對矩陣進行分塊+除法變成移位 | 0.47 |
| 分成4*4的塊（cache） | 0.42 |
4.4 結合自己計算機的硬件參數，分析優化后程序的各個參數選擇依據。（15分）
我選擇結合自己計算機的硬件參數，分析優化后程序的各個參數選擇依據。
首先我查看了自己電腦的L1、L2、L3緩存大小，如下圖所示：
對分塊進行優化：
程序如下：
void fenkuai_cpu_row128(long img[1922][1082]){int bsize = 128;// int en = bsize * (1922/bsize); /* Amount that fits evenly into blocks */int en = 1081; /* Amount that fits evenly into blocks */int M = 1081, N = 1921;for (int jj = 1; jj < M; jj += bsize){for (int ii = 1; ii < N; ii += bsize){for (int j = jj; j < ((jj + bsize) > M ? M : jj + bsize); j++){for (int i = ii; i < ((ii + bsize) > N ? N : ii + bsize); i++){img[i][j] = (img[i - 1][j] + img[i + 1][j] + img[i][j - 1] + img[i][j + 1]) / 4;}}}}}???????????????以下為程序運行結果：
說明：Cache的層次，一般有L1, L2, L3 （L是level的意思）的cache。通常來說L1，L2是集成 在CPU里面的（可以稱之為On-chip cache），而L3是放在CPU外面（可以稱之為Off-chip cache）。當然這個不是絕對的，不同CPU的做法可能會不太一樣。這里面應該還需要加上 register，雖然register不是cache，但是把數據放到register里面是能夠提高性能的。可以使用減少D-cache miss的數量，增加有效的數據訪問的數量。這個要比I-cache優化難一些。由于我的L1高速緩存大小為512KB,8核，所以一個核為64KB,由于long數據類型是8個字節。每個分塊的大小為128*128， 所以每個塊的miss次數是128。這樣總的miss率就是1*1922*1081/（4*128），如果分成4*4的塊，不命中率就會很高，經過實驗分成更大的塊，實驗效果不好，根據我電腦的參數，選擇128*128的塊比選擇其他參數效果更好。
對循環展開優化：
void success(long img[1922][1082]){int i;long bef,aft;long B[1082];for (i = 0;i < 1082;i++) {B[i] = img[0][i];//瀛樺偍杈圭晫鍊?}for(int i=1;i<1921;i++){for(int j=1;j<1081;j+=4){bef=img[i][j+1];aft=img[i][j+2];img[i][j]=(B[j]+img[i+1][j]+img[i][j-1]+bef)/4;img[i][j+1]=(B[j+1]+img[i+1][j+1]+aft+img[i][j])/4;img[i][j+2]=(B[j+2]+img[i+1][j+2]+bef+img[i][j+3])/4;img[i][j+3]=(B[j+3]+img[i+1][j+3]+aft+img[i][j+4])/4;B[j] = img[i][j];B[j + 1] = img[i][j+1];B[j + 2] = img[i][j+2];B[j + 3] = img[i][j+3];}}}以下為運行結果：
說明：一個規律應當是被普遍認同的，那就是循環展開的程度越高，循環執行開銷所占的比例就會越小?？墒?#xff0c;根據實驗結果，循環展開4次的結果確實好于循環展開8次的結果，經過分析，可能是由于循環展開8次初始化過多變量，導致程序性能提升效果比循環展開4次的效果差。
4.5 還可以采取的進一步的優化方案（5分）
正因為線程是調度的最小單位，控制好線程，也就相當于控制好了計算資源。
多線程與異步計算的關系密切，一般可以使用異步計算的，都可以用多線程來實現，而多線程加速也依賴于異步計算，利用多線程來并行處理多個任務，提高計算資源的利用率，也可以對我們的程序進行優化，從而提升程序性能。
程序代碼如下，可以直接運行調試：
#include "stdio.h"#include<time.h>#include "math.h"long img[1922][1082];// void timecmp(long img[1922][1082])void test (long img[1922][1082]){// printf("\n");for(int k=0;k<1900;k+=500){printf("%ld\t",img[k][1000]);}printf("\n");}void putong(long img[1922][1082]){for(int j = 1; j < 1081; j++){for (int i = 1; i < 1921;i++){/* code */img[i][j] = (img[i-1][j] + img[i+1][j]+img[i][j-1] + img[i][j+1] ) / 4;}}}void cache1(long img[1922][1082]){for(int j = 1; j < 1081; j++){for (int i = 1; i < 1921;i++){/* code */img[i][j] = (img[i-1][j] + img[i+1][j]+img[i][j-1] + img[i][j+1] ) >> 2;}}}void cache(long img[1922][1082]){for(int i = 1; i < 1921;i++){for (int j = 1; j < 1081; j++){/* code */img[i][j] = (img[i-1][j] + img[i+1][j]+img[i][j-1] + img[i][j+1] ) /4;}}}void cpu(long img[1922][1082])//循環展開{int i;long bef,aft;long B[1082];for (i = 0;i < 1082;i++) {B[i] = img[0][i];//存儲邊界值}for(int j=1;j<1080;j+=4){for(int i=1;i<1921;i++){bef=img[i][j+1];aft=img[i][j+2];img[i][j]=(B[j]+img[i+1][j]+img[i][j-1]+bef)/4;img[i][j+1]=(B[j+1]+img[i+1][j+1]+aft+img[i][j])/4;img[i][j+2]=(B[j+2]+img[i+1][j+2]+bef+img[i][j+3])/4;img[i][j+3]=(B[j+3]+img[i+1][j+3]+aft+img[i][j+4])/4;B[j] = img[i][j];B[j + 1] = img[i][j+1];B[j + 2] = img[i][j+2];B[j + 3] = img[i][j+3];}}}void fenkuai_cpu_row(long img[1922][1082]){int i, j, k, kk=4, jj=4;int bsize = 4;// int en = bsize * (1922/bsize); /* Amount that fits evenly into blocks */int en = 1921; /* Amount that fits evenly into blocks */for (jj = 1; jj < en; jj += bsize){for (i = jj; i < jj + bsize; i++){for (j = 1; j < 1081; j++){img[i][j] = (img[i-1][j] + img[i+1][j]+img[i][j-1] + img[i][j+1] ) /4;}}}}void fenkuai_cpu_row_yi(long img[1922][1082]){int i, j, k, kk=4, jj=4;int bsize = 4;// int en = bsize * (1922/bsize); /* Amount that fits evenly into blocks */int en = 1921; /* Amount that fits evenly into blocks */for (jj = 1; jj < en; jj += bsize){for (i = jj; i < jj + bsize; i++){for (j = 1; j < 1081; j++){img[i][j] = (img[i-1][j] + img[i+1][j]+img[i][j-1] + img[i][j+1] ) >>2;}}}}void fenkuai_cpu_col(long img[1922][1082]){int i, j, k, kk=4, jj=4;int bsize = 4;// int en = bsize * (1922/bsize); /* Amount that fits evenly into blocks */int en = 1081; /* Amount that fits evenly into blocks */for (jj = 1; jj < en; jj += bsize){for (i = 1; i < 1921; i++){for (j = jj; j < jj + bsize; j++){img[i][j] = (img[i-1][j] + img[i+1][j]+img[i][j-1] + img[i][j+1] ) /4;}}}}void fenkuai_cpu_col_yi(long img[1922][1082]){int i, j, k, kk=4, jj=4;int bsize = 4;// int en = bsize * (1922/bsize); /* Amount that fits evenly into blocks */int en = 1081; /* Amount that fits evenly into blocks */for (jj = 1; jj < en; jj += bsize){for (i = 1; i < 1921; i++){for (j = jj; j < jj + bsize; j++){img[i][j] = (img[i-1][j] + img[i+1][j]+img[i][j-1] + img[i][j+1] ) >>2;}}}}void success(long img[1922][1082]){int i;long bef,aft;long B[1082];for (i = 0;i < 1082;i++) {B[i] = img[0][i];//存儲邊界值}for(int i=1;i<1921;i++){for(int j=1;j<1081;j+=4){bef=img[i][j+1];aft=img[i][j+2];img[i][j]=(B[j]+img[i+1][j]+img[i][j-1]+bef)>>2;img[i][j+1]=(B[j+1]+img[i+1][j+1]+aft+img[i][j])>>2;img[i][j+2]=(B[j+2]+img[i+1][j+2]+bef+img[i][j+3])>>2;img[i][j+3]=(B[j+3]+img[i+1][j+3]+aft+img[i][j+4])>>2;B[j] = img[i][j];B[j + 1] = img[i][j+1];B[j + 2] = img[i][j+2];B[j + 3] = img[i][j+3];}}}int main (){printf("startle!\n");int i = 0;for(int i=0;i<1922;i++){for (int j = 0; j < 1082; j++){/* code */img[i][j]= i+j;}}clock_t start_t = clock();for(i=0;i<50;i++)putong(img);clock_t end_t = clock();test(img);double sum_time=((double)(end_t-start_t))/CLOCKS_PER_SEC;printf("(初始狀態，沒有進行任何優化，局部性很差)cost time: %f(s)\n",sum_time);start_t = clock();for(i=0;i<50;i++)cache1(img);end_t = clock();test(img);sum_time=((double)(end_t-start_t))/CLOCKS_PER_SEC;printf("after (一般有用的優化，除法變為移位操作)cost time: %f(s)\n",sum_time);start_t = clock();for(i=0;i<50;i++)cache(img);end_t = clock();test(img);sum_time=((double)(end_t-start_t))/CLOCKS_PER_SEC;printf("after cache（空間局部性） cost time: %f(s)\n",sum_time);start_t = clock();for(i=0;i<50;i++)cpu(img);end_t = clock();test(img);sum_time=((double)(end_t-start_t))/CLOCKS_PER_SEC;printf("after cpu（循環展開） cost time: %f(s)\n",sum_time);start_t = clock();for(i=0;i<50;i++)success(img);end_t = clock();test(img);sum_time=((double)(end_t-start_t))/CLOCKS_PER_SEC;printf("(整合所有非分塊的優化方案)cost time: %f(s)\n",sum_time);start_t = clock();for(i=0;i<50;i++)fenkuai_cpu_col(img);end_t = clock();test(img);sum_time=((double)(end_t-start_t))/CLOCKS_PER_SEC;printf("(分塊col)cost time: %f(s)\n",sum_time);start_t = clock();for(i=0;i<50;i++)fenkuai_cpu_row(img);end_t = clock();test(img);sum_time=((double)(end_t-start_t))/CLOCKS_PER_SEC;printf("(分塊row)cost time: %f(s)\n",sum_time);start_t = clock();for(i=0;i<50;i++)fenkuai_cpu_col_yi(img);end_t = clock();test(img);sum_time=((double)(end_t-start_t))/CLOCKS_PER_SEC;printf("(分塊col+移位)cost time: %f(s)\n",sum_time);start_t = clock();for(i=0;i<50;i++)fenkuai_cpu_row_yi(img);end_t = clock();test(img);sum_time=((double)(end_t-start_t))/CLOCKS_PER_SEC;printf("(分塊row+移位)cost time: %f(s)\n",sum_time);}第5章 總結
5.1 請總結本次實驗的收獲
5.2 請給出對本次實驗內容的建議
實驗內容很好，就是某些問題描述不清，例如4.4題，沒有給出操作實例，可能導致很多學生不知道從何做起，希望能改進這一點，其余做的都很好。
注：本章為酌情加分項。
參考文獻
為完成本次實驗你翻閱的書籍與網站等
[1]? 林來興. 空間控制技術[M]. 北京：中國宇航出版社，1992：25-42.
[2]? 辛希孟. 信息技術與信息服務國際研討會論文集：A集[C]. 北京：中國科學出版社，1999.
[3]? 趙耀東. 新時代的工業工程師[M/OL]. 臺北：天下文化出版社，1998 [1998-09-26]. http://www.ie.nthu.edu.tw/info/ie.newie.htm（Big5）.
[4]? 諶穎. 空間交會控制理論與方法研究[D]. 哈爾濱：哈爾濱工業大學，1992：8-13.
[5]? KANAMORI H. Shaking Without Quaking[J]. Science，1998，279（5359）：2063-2064.
[6]? CHRISTINE M. Plant Physiology: Plant Biology in the Genome Era[J/OL]. Science，1998，281：331-332[1998-09-23]. http://www.sciencemag.org/cgi/ collection/anatmorp.
總結
以上是生活随笔為你收集整理的哈工大csapp-LAB3程序优化的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 数据挖掘：降低汽油精制过程中的辛烷值损失
- 下一篇： 记录Android开发中的问题及解决方法