前回の記事（行列乗算の最適化入門 - よーる）では、L3キャッシュに乗りきる程度のサイズ（だいたい1000×1000くらい）の行列積について、シングルスレッドの理論性能の84%以上を出すことができるコードを紹介しました。 4000×4000くらいのもう少し大きな行列…