问题标签 [blas]

我正在尝试在 MAC 10.6 和 MAC 10.7 上使用 openMP 构建和运行多线程程序，该程序从多线程调用 zgelss 和 zgemm

我已经编译了 LAPACK 3.4 和 refBLAS

我用以下命令编译了我的程序

该程序的结果不正确，因为当我使用 Apple 提供的库编译程序时，它在 10.7 上运行良好，但在 10.6 上运行良好

（MAC 10.7 修改了 lapack 3.2.1）和（MAC 10.6 修改了 lapack 3.1.1）——我猜

任何人都可以解释 LAPACK 3.4 及其相应的 BLAS 是否是线程安全的，这可能是什么问题？

我正在实现一个算法，它本质上是一系列矩阵-矩阵乘法，如下所示：

我的矩阵是非常小的 100x100 浮点数，但序列非常长，大约数十亿。

我尝试使用 CUBLAS 来进行矩阵乘法，但这很慢，但我确实注意到了一些有趣的事情。

将 100x100 与 100x100 矩阵相乘很慢，但将 1.000.000x100 与 100x100 相乘相对较快，这让我想到。如果我不是从左到右进行扫描，而是并行进行 10.000 次扫描。这应该很快，如果我在完成后乘以我的​​矩阵，我会得到相同的结果——只是更快。

M_1 ... M_n 在一组大约 100 个不同的矩阵中毫无价值，所以空间消耗并不是真正的问题，我需要做的就是在一次操作中进行多次乘法运算。

现在这是我的问题。我已经完成了一个矩阵-矩阵（sgemm）实现，灵感来自 nvidia 在他们的文档中展示的一个，但它的速度大约是 cublas 的 4 倍。有人知道 CUBLAS 是如何工作的吗？如果代码在某处可用？

在 GPU 上的某些计算中，我需要缩放矩阵中的行，以便给定行中的所有元素总和为 1。

在哪里

我需要alpha's 的向量和缩放矩阵，我想在尽可能少的 blas 调用中做到这一点。该代码将在 nvidia CUDA 硬件上运行。有谁知道任何聪明的方法来做到这一点？

我测试了 BLASsdot接口以进行单个精确浮点点操作。我发现英特尔 MKL 库的结果与http://netlib.org/blas/中给出的 BLAS fortran 代码的结果略有不同。MKL 看起来更准确。

我只是想知道 MKL 是否进行了任何优化？或者 MKL 如何实现它以使其更准确？

我想计算乘积 A^T*A （ A 是 2000x1000 矩阵）。另外我只想解决上三角矩阵。在内部循环中，我必须解决两个向量的点积。

现在，问题来了。使用 cblas ddot() 并不比使用循环计算点积快。这怎么可能？（使用 Intel Core (TM)i7 CPU M620 @2,67GHz，1,92GB RAM）

我有一个特殊的问题。

我有一些使用 CUDA 4.1 在我的 macbook 上开发的研究代码，尤其是使用batchedgemm. 我现在必须在我从另一个机构借来的一组 gpu 上运行它。

我的问题是集群只安装了 CUDA 4.0，他们不愿意快速升级。

有谁知道我是否可以在某处获得 batchedgemm 的源代码并将其编译为在 4.0 下工作？

我已经为批量乘法编写了自己的内核，但它的执行速度比库中的慢大约 10 倍——我想站在伟人的肩膀上，而不是站在他们的脚趾上。

尝试在 MATLAB 中运行 mex 文件时出现以下错误：

任何想法如何解决这个问题？

更新：我发现“strings MATLAB/.../libgfortran.so.3 | grep GFORTRAN”输出 GFORTRAN_1.0。我试图在 MATLAB 中更改 libgfortran，但没有成功。不是我认为最好找到一个适用于 GFORTRAN_1.0 的合适的 libblas。

我正在使用一些我无法编​​辑的遗留代码，这些代码最初是在 PowerPC 上编译和测试的。我正在尝试创建一个构建系统，它将为通用 linux 机器（Ubuntu 11.10 x64）构建它。

它有一个类似于 cblas 的自定义接口，它包装了 clapack（版本 3.2.1）中包含的通用 blas 库的 f2c 版本。即我在 linux 机器上从 clapack 源编译 liblapack、libblas 和 libf2c 并将其与以下示例代码链接：

mycblas_dscal只需调用 blas 库实现dscal_。但是，该库需要所有数据的指针，并且此包装器当前直接传递N,scale和的地址inc。这让我很害怕，因为它们是按值传递的并且通常是文字。

执行时mycblas_dscal通常什么都不做，即a没有改变或它seg。故障。使用更高的编译器优化（例如 gcc -O3）它只会分段。故障。

要测试 blas 库，以下代码可以正常工作：

我唯一的见解是与 seg 之后包装函数中按值传递变量的地址和持久性有关。编译器优化会使错误行为变得更糟。我知道的还不够多，无法进一步调查。有任何想法吗？

有没有办法从 R 内部检测 R 使用的 BLAS 版本？我正在使用 Ubuntu，并且我安装了几个 BLAS 版本 - 从 R 的角度来看，我只是不知道哪个是“活动的”！

我知道http://r.789695.n4.nabble.com/is-Rs-own-BLAS-td911515.html布赖恩·里普利在 2006 年 6 月说这是不可能的 - 但事情发生了变化吗？

例如，当累加不同矩阵向量乘法的结果时（即使只有一个累加元素，这也是您在 BLAS 中所做的事情），一个形式上从零向量开始。但是没有无开销的方法可以直接在 CUDA 设备内存上分配一个零数组（或者是否存在？），因此想到的解决方案是简单地采用任意数字的数组，而不是将其初始化为 0 , 将值传递给orbeta = 0.的第一次调用。毕竟，如果它有那个参数“为什么不使用它”。cublas<t>gemvcusparse<t>csrmv

这是

• 一个好主意？或者情况β = 1 是否以这样的方式进行了优化，以提供整体更好的性能来将数组初始化为 0 然后使用调用cusparseDcsrmv(..., 1., zeroes_array)？
• 安全的？天真地，浮点作为 ℝ 元素的表示应该满足x ⋅ 0 = 0 ∀ x，但是这种天真的处理在处理浮点时当然通常是相当致命的。我很确定当数组先前用于具有相同数据类型的其他一些操作时，结果表现良好，但它对于新分配的设备内存的单元化块也安全吗？

我主要对稀疏情况感兴趣，因为对于稠密矩阵，乘法的O ( n ² ) 复杂性使得不必过多考虑向量的O ( n ) 分配的性能。