循环在torch中似乎比它应该的慢得多。

我有一段如下的代码，位于Torch的自定义模块中。

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

当A=18K，B=30时，这个循环占用了大约4秒的时间（使用torch.Timer测量），这似乎对我来说太高了。

为了提供背景，C是大小为（A,B）的FloatTensor，gradOutput是（2,A,B）的。处理器是AMD Opteron 4386，每个处理器都有16个核心，每个核心的缓存大小为2MB。

因此，我认为C，gradOutput和gradInput应该已经被缓存，所以对于这么短的循环来说，4秒的时间似乎令人难以置信。

有人有任何想法，为什么速度如此之慢，以及我如何改善性能？