我有两个以 CSR 格式存储的稀疏通用矩阵需要相乘。有没有机会使用 AVX2 获得性能？一般来说，矩阵很大（数亿个非零，大小约为 300 万 x 300 万）。每条矩阵行的非零数应该足够了，但我不确定不规则的数据访问是否会使 AVX2 代码效率低下。
我知道有像 Intel MKL 这样的库和其他已经可以使用 AVX2 进行矩阵矩阵乘法的库。但我正在寻找我可以查看和学习的代码。论文或 github 链接也可以。