📚 课程目录第3章向量矩阵乘法

3. 向量矩阵乘法

任务目标

在RISC-V向量扩展（RVV）平台上实现一个高效的向量矩阵乘法（VMM）内核。核心要求：使用向量加载指令（vle32）将矩阵行与向量元素载入寄存器，利用向量乘加指令（vmacc）完成乘累加运算，并通过数据布局优化（行主序连续存储、向量长度对齐）减少内存访问开销。

环境与依赖

支持RVV 1.0的编译器：GCC 12+（-march=rv64gcv）或Clang 17+
目标平台：任何支持RVV的硬件或模拟器（如QEMU 8.0+）
无需额外库，仅使用标准C和RVV内建函数（riscv_vector.h）

核心实现

以下代码实现一个M×K矩阵与长度为K的向量的乘法，输出长度为M的结果向量。数据布局采用行主序连续存储，向量长度（VL）在运行时通过__riscv_vsetvlmax动态获取，确保代码可移植到不同VLEN的硬件。

#include <riscv_vector.h>
#include <stddef.h>
#include <stdint.h>

// 矩阵行主序存储: A[i][k] = A[i*K + k]
// 输入: A (M×K), x (K), 输出: y (M)
void vmm_rvv(const float *A, const float *x, float *y,
             size_t M, size_t K) {
    for (size_t i = 0; i < M; i++) {
        const float *row = A + i * K;
        float acc = 0.0f;  // 标量累加器（也可用向量归约）

        size_t k = 0;
        // 主循环：按硬件向量长度分块处理
        while (k < K) {
            size_t vl = __riscv_vsetvlmax_f32m1();  // 获取最大VL
            if (k + vl > K) {
                vl = K - k;  // 尾部处理
                vl = __riscv_vsetvl_f32m1(vl);
            }

            vfloat32m1_t vec_a = __riscv_vle32_v_f32m1(row + k, vl);
            vfloat32m1_t vec_x = __riscv_vle32_v_f32m1(x + k, vl);

            // 向量乘加：acc_vec += vec_a * vec_x
            vfloat32m1_t acc_vec = __riscv_vfmv_v_f_f32m1(0.0f, vl);
            acc_vec = __riscv_vfmacc_vv_f32m1(acc_vec, vec_a, vec_x, vl);

            // 向量内归约求和（将当前块累加到标量）
            float block_sum = __riscv_vfmv_f_s_f32m1_f32(
                __riscv_vfredusum_vs_f32m1_f32m1(
                    acc_vec, __riscv_vfmv_s_f_f32m1(0.0f, vl), vl), vl);
            acc += block_sum;
            k += vl;
        }
        y[i] = acc;
    }
}

数据布局优化说明

上述实现采用两个关键优化：

行主序连续访问：矩阵行元素在内存中连续，向量加载vle32可直接批量读取，避免索引计算开销。
动态向量长度适配：通过vsetvlmax获取硬件最大VL，主循环按整块处理，尾部用精确VL处理，避免边界分支预测开销。

编译与运行

# 编译（以QEMU用户态模拟为例）
riscv64-unknown-elf-gcc -march=rv64gcv -mabi=lp64d -O2 -o vmm_test vmm_test.c

# 运行验证程序（需自行编写main函数调用vmm_rvv）
qemu-riscv64 ./vmm_test

验证方法

编写测试程序时，使用固定小矩阵（如M=4, K=8）与已知输入，对比RVV实现与朴素三重循环标量实现的结果。判定通过条件：

所有元素的误差 < 1e-5（单精度浮点累加误差范围）
测试覆盖K不是VL整数倍的情况（如K=10，VLEN=128时VL=4），验证尾部处理正确性

常见问题

编译报错“unknown type name 'vfloat32m1_t'”：确认已包含riscv_vector.h且编译参数带v扩展（-march=rv64gcv）。
性能未提升：检查是否启用优化-O2，并确认矩阵规模足够大（至少K>100）以摊薄函数调用开销。
结果错误：优先检查尾部VL计算逻辑，确保vl在最后一次迭代时被正确截断。