问题标签 [intel-mkl]

众所周知，有很多不同的方法可以并行实现 DGEMV（按列或按块等），从而导致不同的通信开销。我一直在查看 MKL 和 BLAS 的所有参考手册，试图找出 cblas_dgemv 通常从 MKL(v.11) 调用哪种样式但没有成功。如果有人有参考文献记录了正在使用的算法或算法的开销，我会非常高兴。

这是我的python代码

当我运行它时，我收到以下错误消息

这是我的python版本。

我正在尝试创建一个简单的示例，以便在 MKL 英特尔库中使用 Pardiso 求解器。我一直在按照提供的示例进行操作，但是如果我将对 Pardiso 的调用放在子例程中，它将不起作用。恐怕这与 INCLUDE 语句或链接方面有关。

所有子程序使用的数组都包含在一个名为 variables 的模块中

包含程序的文件如下：

最后是文件 initpardiso

现在，我还在 Visual Studio 项目配置中添加了 Additional Include Directories（即

如果我评论对 pardiso 的调用，一切正常，否则它将停止编译并出现此错误：

错误 1 ​​错误 #6285：此通用子例程调用没有匹配的特定子例程。[PARDISO_64] ....PardisoFortran\initpardiso.f 144

有什么想法吗？这是顶部的 INCLUDE 语句的问题吗？我应该在哪里包括它？

我想用 MKL 编译这个 C 代码，但是当我使用 command 运行它时mpicc -mkl mkl_thread.c，它给了我一个关于 unrecognized command line option 的错误-mkl。当我mpicc mkl_thread.c -o mkl_thread以 . 我不知道如何使用 MKL 运行​​或链接它。

我的代码是：

介绍

我正在用 Fortran 开发一个代码，通过对线性算子进行预处理来解决 MHD 问题。待反转的稀疏矩阵可以认为是以下层次结构的矩阵。原始矩阵（例如，A_1）是块的带状矩阵。A_1 的每个块都是相同结构（即块带状矩阵）的稀疏矩阵（例如，A_2）。A_2 的每个块又是相同稀疏结构 A_3 的块带状矩阵。最后，A_3 的每个块是一个 5 x 5 的密集矩阵 A_4。我发现这种分层表示对于初始化矩阵的元素非常方便。

问题

我想知道是否存在一个库（在 Fortran 中）允许处理这种结构并将其转换为标准稀疏矩阵格式之一（CSR、CSC、BSR、...），因为 Sparse BLAS 或 MKL Pardiso 将用于反转它。让我强调一下，我的意图是仅使用层次结构来初始化矩阵的元素。当然，层次结构可以忽略，矩阵可以硬编码为 CSR 格式，但我发现这太耗时，无法实现和测试。

注释

1. 我不期望线性求解器使用分层结构，尽管在 S. Pissanetsky “稀疏矩阵技术”，1984 年，学术出版社，第 27 页（可在此处在线获得）中提到了此类存储方案，即“超矩阵”和“超稀疏”存储方案，并用于高斯消除。我还没有找到这些方案的可用实现。

2. 块压缩稀疏行 (BSR) 格式（由 MKL 支持）可用于处理两层矩阵，A_3(sparse) + A_4(dense)，仅此而已。

我想为每个节点（同一个集群）的每个进程创建不同的 MKL 线程数。以这种方式在输入文件中提供每个进程的线程数。

主机线程

主机名_1 t=4

主机名_2 t=7

主机名_3 t=2

我的代码是这样的：

当我建立每个节点的性能模型时。它对所有人显示相同的结果。相反，具有更多线程的进程应该更快。有人可以帮助我为什么 mkl_set_num_threads(threads) 无法正常工作。或者我如何检查以确保在该函数之后创建所需的线程数？

我一直在尝试Intel MKL在 MATLAB 的 mex 文件中使用。我使用以下开关能够编译和链接，但没有成功。

我收到以下错误

有人可以帮我吗？

根据 Enthought 网站，EPD Python 发行版将 MKL 用于 numpy 和 scipy。EPD Free 是否也使用 MKL？如果不是，它是否为 BLAS/LAPACK 使用另一个库？我正在使用 EPD Free 7.3-2

另外，可以在 scipy.org 上找到的用于 numpy 的 Windows 二进制安装程序使用什么库？

我根据这些指南编译了 R：

http://www.r-bloggers.com/compiling-64-bit-r-2-10-1-with-mkl-in-linux/

http://cran.r-project.org/doc/manuals/R-admin.html#MKL

但是对于矩阵代数，R 并不使用所有可用的 CPU。

我都试过了：

和

选项。

如何强制 R 使用所有可用的 CPU？

如何检查 R 是否使用 MKL？

我对 lapack 有一个相当不寻常的挑战，我花了几个小时寻找解决方案。

我有一个传统形式的广义特征值问题（A - x B = 0）。通常我会使用例如 ?hegvx 或 ?hegvd 来计算特征值和特征向量。

但是我现在面临的挑战是，现在我已经从问题的构造中知道了特征值，因此我需要一个有效的lapack 例程来仅计算特征向量？

有人对此有破解吗？