火炬循环似乎比它应该慢得多

Question

我有以下代码

for i=1,A do
    for j=1,B do
        self.gradInput:narrow(1, self.C[i][j], 1):add(gradOutput[2][i][j])
    end
end

在火炬的自定义模块中。

对于A = 18K，B = 30的值，此循环需要~4 s（使用torch.Timer测量），这对我来说似乎非常高。

对于上下文，C是大小为（A，B）的FloatTensor，而（2，A，B）为gradOutput。处理器是AMD Opteron 4386，有16个内核，每个内核的缓存大小为2MB。

所以，在我看来，C，gradOutput，gradInput应该已经被缓存，所以对于这样一个短循环的4s对我来说似乎非常高。

任何人都有任何想法为什么它如此缓慢以及是否/如何提高性能？