多线程编程 矩阵乘法

多线程编程可以在矩阵乘法这样的计算密集型任务中提高性能。下面是一个简单的示例，展示了如何使用多线程进行矩阵乘法：

import numpy as np
import threading

def multiply_row(row, matrix1, matrix2, result):
    # 计算矩阵的某一行与另一个矩阵的乘积，并将结果存储在结果矩阵中
    for j in range(matrix2.shape[1]):
        result[row, j] = np.dot(matrix1[row, :], matrix2[:, j])

def multiply_matrices(matrix1, matrix2):
    # 创建一个和结果矩阵相同形状的零矩阵
    result = np.zeros((matrix1.shape[0], matrix2.shape[1]))

    # 创建一个线程列表
    threads = []

    # 对每一行启动一个线程进行计算
    for i in range(matrix1.shape[0]):
        thread = threading.Thread(target=multiply_row, args=(i, matrix1, matrix2, result))
        thread.start()
        threads.append(thread)

    # 等待所有线程完成
    for thread in threads:
        thread.join()

    return result

# 创建两个矩阵
matrix1 = np.random.rand(1000, 1000)
matrix2 = np.random.rand(1000, 1000)

# 执行矩阵乘法
result = multiply_matrices(matrix1, matrix2)

这个示例中，我们使用了 `numpy` 库来创建和操作矩阵。我们首先定义了一个 `multiply_row` 函数，它计算矩阵的一行与另一个矩阵的乘积，并将结果存储在结果矩阵中。然后，我们创建多个线程，每个线程负责计算矩阵的一行。最后，我们等待所有线程完成，得到最终的结果矩阵。

需要注意的是，这只是一个简单的示例，实际在多线程编程中还需要考虑许多其他因素，如线程安全、资源竞争等。在实际应用中，还可以使用线程池来管理线程，以减少线程创建和销毁的开销。