矩阵乘法的硬件加速

这里的硬件加速是指，如果依靠算法，可以通过减少访存次数来加速。可以将数据预取到cache来减少访存次数。

矩阵相乘最简单的实现

寄存器平铺矩阵乘法

将矩阵划分成多个小的矩阵块，小的矩阵块可以存放在寄存器中，进行小矩阵的乘法时，无需再向内存中取值

cache 行级别平铺

尽可能将一行或者一列矩阵块读入 l1cache，然后从一行或者一列的cache中读取小的矩阵块到寄存器中进行乘法计算。

下方红框中就是计算 $v_1\ast v_2$ 大小的矩阵过程，再将$v_1\ast v_2$ 大小的矩阵拼成 $b_1\ast b_2$ 大小

在寄存器分块的例子中，ar被复用了v2次，br被复用了v1次
耗时：