0Pricing
Mojo Academy · Lekcja

Optymalizacja iloczynu skalarnego

Wektoryzuj i rozwiń iloczyn skalarny.

Optymalizacja iloczynu skalarnego to bezpłatna lekcja Mojo Academy na CoddyKit. To lekcja 3 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Mojo Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Mojo Academy zawiera 4 lekcji w sumie.

Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.

The Dot Product Core

The inner product multiplies two sequences element by element and adds the results. Speeding it up speeds your whole matmul.

var acc: Float32 = 0.0
for k in range(K):
    acc += a[k] * b[k]

One Lane at a Time Is Slow

A plain loop handles a single pair per step. Modern CPUs can do many at once, so scalar code leaves lanes idle.

Enter SIMD

A SIMD value packs several numbers and applies one operation to all of them together, doing real work in parallel per instruction.

var v = SIMD[DType.float32, 4](1, 2, 3, 4)

Load a Chunk at Once

Instead of one float, load a whole SIMD-width slice of each array in a single move, ready for vector math.

var va = a.load[width=4](k)
var vb = b.load[width=4](k)

Multiply Whole Vectors

Multiplying two SIMD values yields a vector of products in one step. The element-wise work happens across all lanes together.

var prod = va * vb  # 4 products at once

Accumulate Into a Vector

Keep a SIMD accumulator and add each product vector into it. You delay the final sum until the loop is done.

var acc = SIMD[DType.float32, 4](0)
acc += va * vb

Step by the Width

The loop now advances by the SIMD width, not by one. Four lanes wide means a quarter as many iterations.

for k in range(0, K, 4):
    acc += a.load[width=4](k) * b.load[width=4](k)

Reduce at the End

After the loop, collapse the lane accumulator into one number with a horizontal reduce, giving the final dot product.

var total = acc.reduce_add()

Unrolling the Loop

Unrolling processes several widths per iteration, cutting loop overhead and exposing more independent work to the CPU.

Handle the Remainder

If K is not a multiple of the width, a few elements are left over. A small tail loop finishes them one at a time.

for k in range(K - K % 4, K):
    total += a[k] * b[k]

Let Mojo Help

Mojo offers the vectorize helper to apply a width-parameterized body across a range, handling stepping and the tail for you.

Quick Check

After a SIMD-width dot product loop, why do you call reduce_add at the end?

Recap

Vectorize the inner product by loading SIMD chunks, multiplying lanes together, accumulating, then reduce; unroll and clean up the tail. ⚡

Często zadawane pytania

Czy lekcja „Optymalizacja iloczynu skalarnego” jest bezpłatna?

Tak — pełny tekst „Optymalizacja iloczynu skalarnego” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Mojo Academy, przejdź na CoddyKit PRO. Kurs Mojo Academy zawiera 4 lekcji w sumie.

Co nauczysz się w „Optymalizacja iloczynu skalarnego”?

Wektoryzuj i rozwiń iloczyn skalarny. Ćwiczysz Mojo Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć Mojo Academy?

Nie wymagamy żadnego doświadczenia. Mojo Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 4.

Ile czasu zajmuje lekcja „Optymalizacja iloczynu skalarnego”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji Mojo Academy?

Tak. Każda lekcja Mojo Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

  1. Modelowanie tensora w Mojo
  2. Budowanie mnożenia macierzy krok po kroku
  3. Optymalizacja iloczynu skalarnego
  4. Weryfikowanie poprawności numerycznej
← Powrót do Mojo Academy