问题标签 [blas]

我正在尝试使用 vecLibs 的 cblas 将两个矩阵相乘：

根据文档，每个参数似乎都匹配但我收到此错误：

lda 必须 >= MAX(K,1)：lda=2 K=3BLAS 错误：传递给 cblas_sgemm 的参数号 9 具有无效值

我在 Heroku 上运行了 Numpy 和 Matplotlib，我也在尝试安装 Scipy。但是，Scipy 需要安装 BLAS[1]，这在 Heroku 平台上没有提供。在联系 Heroku 支持后，他们建议我将 BLAS 构建为静态库以进行部署，并设置必要的环境变量。

因此，我在 64 位 Linux 机器上编译了 libblas.a，并按照 [2] 中的描述设置了以下变量：

在我的 requirements.txt 中添加 scipy==0.10.1 后，推送仍然失败。

似乎 pip 不知道 BLAS 环境变量，所以我使用 heroku run python 检查环境：

而且看起来还不错。现在我不知道如何解决这个问题。

[1] http://www.netlib.org/blas/ [2] http://www.scipy.org/Installing_SciPy/Linux

当我在 CLAPACK 中测试 CBLAS 时出现错误。当我运行测试代码时

我得到错误输出：

“TransA 必须为 111、112 或 113，但设置为 -1 例程 cblas_dgemv 的参数 2 不正确”

有谁知道这表明什么样的问题？

细节

我试图不使用参考 CBLAS，而是使用 ATLAS CBLAS。所以，我编译了包装库libcblaswr.a并将 make.inc 中的行更改为

CLAPACK安装提示做

但是链接器在没有我使用 -L 选项的情况下找不到 cblas 和 atlas，所以我将其包含在内。

我的设置的详细信息：

• Ubunty Lycid Lynx 10.04
• CLAPACK-3.2.1
• ATLAS.3.9.51

如果A是一个n x n矩阵并且x是一个维度为n的向量，那么是否可以将xGEMV作为参数传递给x和y参数，用beta=0来实现操作x ← A ⋅ x？

我对带有 C 接口的 Cublas 实现特别感兴趣。

我尝试在 MATLAB 和 NumPy 上分析 EIG 函数，以比较我的 Macbook Pro（2 GHz，运行 OS X 10.6 的四核 i7）上的性能。与 MATLAB 相比，NumPy EIG 似乎相当慢。

这是我在 NumPy 上分析的代码：

在 NumPy 中，这大约是19.5 秒/执行。

这是 MATLAB 中的相同代码：

这在 MATLAB上大约是5.36 秒/执行。

我想像这样简单的事情不应该过多地依赖于 JIT 性能，所以它可能归结为 BLAS 和访问 BLAS 库的例程。我知道 MATLAB 在 Mac 上使用 Accelerate Framework。

NumPy 似乎也在我的 Macbook Pro 上使用了 Accelerate Framework BLAS；这是输出numpy.show_config()

我正在使用 Python 2.7.2 和 NumPy 1.6（都从 MacPorts 安装）

所以这是我对 NumPy 人的问题：为什么在这种情况下 NumPy 速度较慢？在安装 NumPy 时我是否遗漏了一些优化？

我们有一个库，由 Cython (core.so) 作为模块链接。它使用 BLAS，但它使用 -undefined,dynamic-lookup 选项编译，希望 BLAS 将在运行时加载。

在 Enthought Python Distribution 中，以下解决方案完美运行：

我们在 Ubuntu 10.04 中的“vanilla”python 发行版上尝试了它，并通过 apt-get 安装了 numpy（以及 liblapack-dev、libblas-dev 以相同的方式安装）。它没有找到 BLAS 库。我们如何才能让它以与环保署相同的方式运作？

更新：

这样做是为了获得与 numpy 中相同的 BLAS。例如，在 Mac Os X 机器上，EPD 再次编译 MKL，并且比可用的 BLAS（加速框架）快得多。

的输出numpy.show_config()是：

实际上是否可以在 c / c++ 中计算复数矩阵的矩阵指数？

我已经设法使用 GNU 科学库中的 blas 函数得到两个复杂矩阵的乘积。对于 matC = matA * matB：

我已经设法通过使用未记录的

但这似乎不接受复杂的论点。

有没有办法做到这一点？我曾经认为 c++ 可以做任何事情。现在我认为它过时和神秘......

基本上我需要以上。我已经搜索了谷歌，但找不到实现这一点的方法。

我在这里找到了这个功能http://www.guwi17.de/ublas/examples/但它太慢了。我什至按照 MATLAB 的例程编写了自己的 Pade Approximation，但它只比链接中的快一点。

令我震惊的是 Mathematica 计算矩阵指数的速度有多快（它是否关心矩阵是否是 tridiag，我不知道）。

有人能帮忙吗？

编辑：这是我想出的，有什么意见吗？希望对以后的读者有用

我已经有一段时间没有使用 c++ 了，所以下面的代码可能有点杂乱/缓慢，所以如果你看到改进，请赐教。

我正在将 matlab 代码转换为 C++ 代码，并试图在 Lapack、Blas 甚至 Atlas 中找到一个在 matlab 中的 Diag(k) 函数中执行相同工作的函数？有什么建议么 ？

通常，BLAS 子程序是为某个独特的操作定义的。例如，

DAXPY是必然的y <-- ax + y

DSCAL是必然的x = ax。

我希望达到的是：

z = ax+by和y = ax。

我如何“扩展” BLAS 的子程序以便我可以执行上述操作？ （这些操作不一定相互遵循）

我试过了：

• 声明一个虚拟对象，然后DCOPY将虚拟对象设置为所需的向量。像，DCOPY(dummy,x); DSCAL(a,dummy),DCOPY(y,dummy)

• 创建我自己的 OpenMP 实现

• DCOPY(y,a*x)使用诸如for y=ax之类的技巧

但问题是，这些方法似乎都没有给我一个确凿的答案，哪个是解决这个问题的最佳方法。我知道我应该“配置文件，配置文件，配置文件”而不是询问，但我已经尝试了所有这些，但是每次我稍微改变向量时，之前最好的方法突然变成最差的方法，反之亦然。

还，

• 我的目的是尽可能实现最佳性能。
• 我知道优化这些操作可能不会给我带来太多的性能提升，但我正在尝试尽可能节省每一皮秒。
• FWIW，我正在链接到英特尔 MKL