我有一个A大小为(n2, n1)的矩阵，我将它乘以一个B大小为 的矩阵(n1, n0)。我已将这个单矩阵乘法确定为我的Fortran代码中的瓶颈。在大约 2000 行代码中，这一行占用了大约 77% 的运行时间。

A是具有浮点值的双精度矩阵。B目前是一个双精度矩阵，仅包含值1.0和0.0。我可以轻松地制作这个整数，甚至是二进制，但我使用它是real为了在matmul(A,B).

执行此矩阵乘法以减少运行时间的更好方法是什么？

在任何人建议之前，我正在使用DGEMM和编译-O3and -mavxforgfortran和-O3with -xhoston ifort。

迄今为止，我在 上实施该程序的最大数据N = 5000是n2 = 1668、n1 = 1701、 和n0 = 1631。该算法已实现Matlab并具有更短的运行时间。Matlab 版本大约是 2.5 秒，而这个 fortran 程序大约是 7 秒。由于这个单矩阵乘法是如此之大，我认为 Matlab 正在对变量类型做一些有趣的事情。

我已经用ifortusing编译了这个，MKL并且目前正在链接-lblas到 using -fexternal-blas，依赖于matmul执行底层BLAS例程。ldd我的二进制可执行文件的结果是：

linux-vdso.so.1 =>  (0x00002aaaaaacb000)
liblapack.so.3 => /usr/lib64/atlas/liblapack.so.3 (0x00002aaaaaccd000)
libblas.so.3 => /usr/lib64/libblas.so.3 (0x00002aaaab4f0000)
libgfortran.so.3 => /usr/lib64/libgfortran.so.3 (0x00002aaaab747000)
libm.so.6 => /lib64/libm.so.6 (0x00002aaaaba39000)
libgcc_s.so.1 => /lib64/libgcc_s.so.1 (0x0000003f78c00000)
libc.so.6 => /lib64/libc.so.6 (0x00002aaaabcbe000)
libf77blas.so.3 => /usr/lib64/atlas/libf77blas.so.3 (0x00002aaaac052000)
libcblas.so.3 => /usr/lib64/atlas/libcblas.so.3 (0x00002aaaac272000)
/lib64/ld-linux-x86-64.so.2 (0x00002aaaaaaab000)
libatlas.so.3 => /usr/lib64/atlas/libatlas.so.3 (0x00002aaaac492000)
libpthread.so.0 => /lib64/libpthread.so.0 (0x00002aaaacaee000)

B结构的方式是它有零和一。左下部分（不是真正的下三角形）有一个，右上部分（不是三角形）是零。

Matlab 代码似乎将B矩阵视为logical.