当M与BLOCK_SIZE_M不匹配时，可以通过添加无用值来解决。执行顺序会影响L2缓存命中率，矩阵增量执行会降低性能。按行向量序排列需要加载90个元素，而固定单元格分组只需54个元素，需使用多维指针运算。