1

犰狳矩阵库写道

犰狳采用延迟评估方法将多个操作合并为一个，并减少（或消除）对临时人员的需求。在适用的情况下，优化操作顺序。通过递归模板和模板元编程实现延迟评估和优化。

这意味着您可以编写如下操作

arma::mat A, B;
arma::vec c, d;
...
d=(A % B)*c;

并且没有创建临时变量。（注意 % 是犰狳中的元素乘积运算）

我希望能够以类似的风格为 OpenCL 应用程序编写代码。

我看过的库是 VexCL、ViennaCL、Boost.Compute 和 clBLAS。VexCL 和 Boost.Compute 甚至不提供基本的矩阵功能，例如乘法。clBLAS 不能用作模板库，因此您需要手动调用这些操作。ViennaCL 提供了我需要的所有操作，但它似乎无法将它们链接在一起。

例如

    d= linalg::prod(linalg::element_prod(A,B), c);

无法编译。

我认为可能有可能使用 VexCL 根据 Armadillo 决定的操作自动生成内核，但我看不出有任何方法可以直接进行。

有什么建议么？

4

2 回答 2

3

您可能想查看ArrayFire。

ArrayFire 是一个基于矩阵的库，带有一个 JIT 编译引擎，它允许您将操作组合到一个内核中。这大大减少了您在上面发布的基本元素明智操作的内核调用次数。例如，您发布的代码可以写成：

array A = randu(5, 5);       // 5x5 Matrix
array B = randu(5, 5);       // 5x5 Matrix
array c = constant(1, 1, 5); // 1x5 Matrix

array d = (A % B) + tile(c, 5);

在本例中，模数和加法将在一个 OpenCL 内核中执行。不创建临时对象。我们还有单线程 CPU、CUDA 和 OpenCL 的后端。

披露：我是 ArrayFire 库的开发人员之一。

于 2015-03-08T05:51:40.787 回答
2

您的示例中的操作可以用最近添加的tensordot()操作用 VexCL 编写：

vex::vector<double> A(ctx, n * m), B(ctx, n * m);
vex::vector<double> c(ctx, n), d(ctx, n);

vex::slicer<1> s1(vex::extents[n]);    // shape of the vectors
vex::slicer<2> s2(vex::extents[n][m]); // shape of the matrices

using vex::_;
d = vex::tensordot(s2[_](A * B), s1[_](c), vex::axes_pairs(1, 0));

这将导致矩阵向量乘积的实现非常简单（因此可能不如供应商提供的 BLAS 内核有效）。但是不会涉及临时性，并且将启动单个内核。

一个警告：tensordot()只能用于单设备上下文。

于 2015-03-08T17:27:06.423 回答