近期在使用computer shader 开发矩阵乘法时遇到一个问题，一个常见的矩阵乘法C=AB，为了使内存连续，我对B矩阵进行了转置，自认为这样子可以加快运行速度。但是，当我进行测速的时候发现，行x行的形式比行x列慢了好几倍，探究许久，无法理解，因此写下该问题求助！！！
我的环境mali G77 (联发科天玑1200)
A矩阵维度：4x2048x2048
B矩阵维度：4x2048x2048
时间对比
行x行：9s左右
行x列：1.6s左右
列x列：3.3s左右