用于矩阵乘法的快速LAPACK/BLAS

我正在为线性代数探索Armadillo C++库。据我了解，它使用LAPACK/BLAS库进行基本矩阵运算（例如矩阵乘法）。作为Windows用户，我从这里下载了LAPACK/BLAS：http://icl.cs.utk.edu/lapack-for-windows/lapack/#running。问题是矩阵乘法相对于Matlab甚至R来说非常缓慢。例如，Matlab在我的计算机上乘以两个1000x1000矩阵在〜0.15秒内，R需要约1秒，而C++/Armadillo/LAPACK/BLAS需要超过10那个秒。用于矩阵乘法的快速LAPACK/BLAS

所以，Matlab是基于高度优化的线性代数库。我的问题是，如果在Armadillo中使用更快的LAPACK/BLAS brary？或者，有没有办法以某种方式提取Matlab线性代数库并在C++中使用它们？

来源

2013-07-14 Kasablanca

如果你把-1，请给我，我怎么能提高我的问题的提示。 – Kasablanca

LAPACK没有做矩阵乘法。它是BLAS提供矩阵乘法。

如果你有一个64位操作系统，我建议首先尝试64位版本的BLAS。这会使您的表现立即翻倍。

其次，看看BLAS的高性能实现，如OpenBLAS。 OpenBLAS使用矢量化和并行化（即多核）。这是一个免费（无成本）的开源项目。

Matlab内部使用Intel MKL库，您也可以将其与Armadillo library一起使用。英特尔MKL是封闭源代码，但免费用于非商业用途。请注意，OpenBLAS可以获得与英特尔MKL相当或更好的矩阵乘法性能。

请注意，高性能线性代数在Linux和Mac OS X上比在Windows上更容易完成。

来源

2013-07-14 12:57:01 mtall

谢谢你这么全面的答案！ – Kasablanca

我认为你最后的陈述是错误的。例如，MATLAB在Windows上比在Linux上更快。通常，Windows上的英特尔MKL速度更快。 – Royi

针对Windows和Linux的MKL使用相同的代码库 – mtall

有没有办法以某种方式提取Matlab的线性代数库和用C使用它们++是的，C++调用Matlab的功能，请参考以下链接：How to Call Matlab Functions from C++

来源

2013-07-14 12:00:56 lulyon

Matlab编译器成本很高！ – alexbuisson

@alexbuisson那为什么是matlab？我还知道另一个线性代数库BLAS，它适用于高性能计算。 – lulyon

是的，这就是我使用Octave的原因。注意到Matlab IDE和Compiler是两个不同的东西。 – alexbuisson

线性代数

一些C++的lib提供了一种简单的方法链接与高度优化的lib。

看看http://software.intel.com/en-us/articles/intelr-mkl-and-c-template-libraries

你应该能够犰狳链接到MKL更高的性能，但它是一种商业包装，

来源

2013-07-14 12:11:39 alexbuisson

添加到什么已经说过的话，你也应该使用高优化级别：

务必请使用O2或O3编译器标志。
链接到上述高性能（和可能的多线程）BLAS库。不过，AFAIK MKL只能在Unix平台上免费使用，如果你在Windows内部使用像cygwin这样的Linux机器，那么应该没问题，那么我猜。 OpenBLAS也是多线程的。
在许多库中，设置符号NDEBUG（例如传递编译器标志-DNDEBUG）会关闭昂贵的范围检查和断言。犰狳有自己的符号，称为ARMA_NO_DEBUG，您可以手动设置，也可以编辑config.hpp头文件（位于armadillo include目录中）并取消注释相应的行。我猜，因为你是能够把在犰狳的外部BLAS使用，你应该熟悉反正这个配置文件...

我做了我的英特尔酷睿犰狳/ MKL_BLAS和Matlab之间的快速-i7工作站。对于C++ exe，我使用-O3，MKL BLAS并定义了ARMA_NO_DEBUG。我乘以100×1000随机矩阵100次，并平均乘法时间。 C++实现比matlab快大约1.5倍。

希望这有助于

来源

2013-09-25 14:27:04 Darkdragon84

用于矩阵乘法的快速LAPACK/BLAS

回答

相关问题