问题标签 [intel-mkl]

我目前正在使用英特尔的 MKL 2D FFT 例程。

我遇到了性能变化 4-5 倍的情况。

我正在做的是使用 FFT 库实现一种带通滤波器。测试结果是正确的，但速度是个问题。

我看到的是正向 FFT 大约 1.3 秒，反向 FFT 大约 1.3 到 6 秒。

我已经将此追踪到我在 FFT 前向传递后应用的权重。权重在 0 到 -1 之间，当我得到 6 秒时，大部分为 0。如果我在应用之前将权重设置为 1，则时间为 1.3 秒。其他测试在不使用权重 1 的情况下显示了这种行为。

我的问题是我应用的价值观如何导致这种放缓？我可以理解执行时间的微小变化，但不能理解这种戏剧性的变化。

谢谢，吉姆K

我不知道这是特定于 FFT 的 MKL 版本还是一般问题。

我正在使用带有 MKL 的 Intel Virtual Fortran 的 IMSL。我尝试使用 IMSL 的例程。它编译得很好，但是当我尝试执行该文件时，它出现了一个错误：

以下是我正在使用的代码：

我该如何解决这个问题？

在我添加使用 EVCRG_INT 之后

它给出了错误信息：

谢谢。

在 IMSL 用户指南中，它说：

查看 scipy.linalg.solveh_banded 的源代码，它只是包装了 Lapack pbsv。我正在为我认为应该由 Lapack ptsv 函数提供的三对角（厄米特，或在我的情况下为实对称）系统寻找更有效的求解器。此外，如果我沿着主对角线的（所有正）值的动态范围太大，即使这不应该是一个实际问题，solveh_banded 也会崩溃（我猜四舍五入会使最小值看起来实际上是负数，所以它是被视为具有负特征值）并且有一些机会特定于三对角线的例程不会遇到这个问题。

根据我对 Lapack 的阅读，似乎 ptsv 应该包含在任何具有 pbsv 的发行版中（文档总是将它们一起列出）。我不确定哪个会更有效（pbsv 假定对称但具有任意带宽，而 ptsv 假定三对角线但不一定是对称的）但似乎值得尝试 ptsv。

不幸的是，ptsv 似乎没有在 scipy 中公开，我相信这在实践中意味着它不包含在 scipy.linalg.flapack 中，因此不能通过 scipy.linalg.get_lapack_funcs(('ptsv',)) 获得。

我意识到与 scipy 的 Fortran/Lapack 链接很复杂，但有人知道为什么 pbsv 和 ptsv 会被区别对待吗？有什么我可以手动编辑的东西来尝试像 pbsv 一样包装 ptsv（不幸的是，flapack 似乎只是作为“.so”提供，所以我遇到了死胡同）？

FWIW 我将 Enthought EPD 与英特尔 MKL 一起使用。但是，鉴于 scipy.linalg （独立于分布）始终包含solveh_banded，但没有三对角求解器，我认为它必须比EPD / MKL问题更深。

我正在使用 mkl Intel 的准随机数生成器。我创建了自己的 wrappnig 方法以允许定义 rng 的最大和最小界限。但是，当边界值 aer FLT_MIN FLT_MAX 时似乎不起作用。所以我想知道 FLT_MAX 实际上是什么。一个大浮动？一个不可超过的虚构值？不能在 FLT_MIN 和 FLT_MAX 之间进行采样吗？如何处理？

谢谢并恭祝安康。

我“双启动”Ubuntu 11.04、Ubuntu 12.04 和 Windows XP SP3 均已更新至最新版本。PC 是相当旧的 Intel Celeron D CPU 3.06GHz 和 2GB RAM

在 Ubuntu 11.04 中，我使用 ATLAS 编译了 Numpy（ATLAS 从源代码编译）
在 Ubuntu 12.04 中，我使用最新可用的 MKL、icc、ifort 构建了 Numpy
在 Windows XP 中，我使用 MKL 构建了 Numpy（来自 Christoph Gohlke 提供的 Python 包）
更多详细信息在这里：http ://pastebin.com/raw.php?i=wxuFbyVg

我试过很简单：
%timeit np.dot(np.ones((1000,1000)), np.ones((1000,1000)))

并得到了这个结果：

我认为上面是一个不好的例子，我搜索了许多可用比较中的一个，即第一个谷歌点击：http ://dpinte.wordpress.com/2010/01/15/numpy-performance-improvement-with-the-mkl/

我测试了相同的功能：

所以 ATLAS 编译的 Numpy 出于某种原因有最好的结果。
有谁知道可能是什么问题？

我正在使用 MKL Intel 进行随机数计算。我使用准随机算法。此外，在我看来，生成的数字根本不是随机的。我知道准随机算法将提供最大化空间占用的采样点。因此，它们不需要完全出乎意料和随机，而只是为了适当地覆盖空间。

我想以随机方式使用这个数字，而不是让它们以预期的方式排序，以便在使用这些“随机”点之前，我对它们进行置换。

我没有正确使用 MKL 库吗？还是听起来很正常，因为正如我所提到的，点是为了覆盖整个空间，而不是完全随机？

如果一些 MKL 或准随机生成。有用户，欢迎指教。

问候。

这是linux中的命令行：

运行此命令后：我得到了一长串未定义的参考错误。我也在 eclipse 中尝试过，但也无法解决那里的链接问题。如果有人帮助我运行这样的小代码，我会很高兴：

我的服务器

已安装 ICC 64 位。

提前致谢。

我正在尝试使用 Intel MKL 在 64 位 Ubuntu 12.04 上构建 numpy 和 scipy。

我已经安装了所有的先决条件。INTEL C++ 编译器和 Fortran 编译器版本都是 2011 sp1 10.319，MKL 是其中的版本。

我正在按照INTEL 网站上的安装说明进行操作。

我已经成功构建并安装了 numpy。

在构建 scipy 时，我遇到了如下问题：

当我尝试将 sudo 放在安装行的前面时，我得到了：

有人可以帮我吗？

谢谢！

我正在尝试使用英特尔 MKL 库使用它们提供的 Boost::uBLAS 接口（包括 mkl_boost_ublas_matrix_prod.hpp）执行矩阵乘法。我的数据只是整数，所以我尝试将我的矩阵模板类型更改为 int 并且性能下降了，这主要是由于代码只使用了一个 CPU 内核而不是我可用的 12 个内核。我在 MKL 文档中找不到任何东西来解释为什么整数没有使用 MKL 的 OpenMP 多线程功能（我猜他们根本没有使用 MKL？）。

此外，与浮点数相比，我看到双打的性能下降了 50%。

问题：

1. 为什么浮点数和双精度数之间存在差异？
2. 为什么我不能使用整数？

以下是我从以下代码得出的结果：

使用的代码（根据需要替换两个 matrix< type > 行）：

编译：

处理器：

MKL 不使用超线程，因为他们说这对任何事情都没有帮助，所以我有 12 个线程可用，而不是 24 个。

Numpy/SciPy 中的快速傅里叶变换 (FFT) 没有线程化。Enthought Python 附带英特尔 MKL 数值库，该库能够进行线程 FFT。如何访问这些例程？