我们使用列向量是因为它以列主要格式提供了高效的内存访问。

例如：CUDA，通常用于加速 tensorflow 等库，在合并内存时运行效率最高。并行化应用程序中的跨步内存访问会导致显着减速；线程（它们本身是顺序索引的）应该在顺序索引的内存上操作，而不是跨步等于矩阵行大小的元素数量。即使对于 cpu 应用程序也是如此，主要是因为 CPU 缓存。您希望进行尽可能少的事务，当然只有以列为主的列向量或行为主的行向量可以提供。

列优先和行优先都不是普遍“优越”的，而且通常可以任意决定。但是，在某些应用程序中使用 row-major 但在其他应用程序中不使用的原因有几个。特别是关系数据库当您考虑每个条目必须是单行时，它们本质上是行主要的。C 编程语言本质上也是行优先的，因为当您考虑第一个维度是行索引时，二维矩阵是一个数组数组，它​​们逐行堆叠，就像您在数学中所做的那样。列主要格式的原因是为了反映数学解释，这也与一些遗留集成有关；例如，Fortran 使用列优先，其中 C 是行优先。Fortran 仍在科学计算应用程序中使用，尽管大多数已经离开它，但最初用 Fortran 编写的一些最流行的库无论使用哪种语言都保持一致的 API。布拉斯例如，最初是用 Fortran 编写的，但它在其他语言中的许多实现（包括用于 cuBLAS 的 C/C++）通常都保留了它的 API。许多其他流行的数学编程工具，例如 MATLAB，使用列主要格式。从数学角度来看，将第一个维度视为行索引是有意义的。