问题标签 [intel-mkl]

我正在使用英特尔 MKL 库中的 sgemm 函数来乘以英特尔 CPU 上的大型矩阵。

我有一个单元测试，它需要一组数据并通过各种算法运行数据。已经证明，在使用这组数据的传递之间，如果不使用 sgemm （使用非优化算法而不是有人在我公司编写的算法），结果是完全相同的。

我们得到的结果与函数返回的矩阵中的最低有效数字不一致。然后，我们使用的算法类型可能会加剧此错误。

我通过切换到 dgemm 并使用双精度值而不是单精度值来避免效果的重要性。但是，我仍然对可能导致这种不一致的原因以及为什么乘以矩阵（使用我们自己的未优化算法）不会导致此问题感兴趣。

我目前的想法是在矩阵相乘时，浮点乘法可能会乱序执行，并且因为这些浮点运算不是关联的，所以我们得到的值略有不同。

我正在编写一个图像注册程序，我发现使用 mkl_free() 时出现一个奇怪的错误。我使用 MKL 函数从 MATLAB 编写了矩阵指数函数的实现 - expm()。我已经单独对其进行了测试，它可以正常工作而不会遇到任何错误。

代码可以在这里找到：https ://github.com/poliu2s/MKL/blob/master/matrix_exponential.cpp

当我从需要它进行计算的其他函数调用它时，就会出现问题。我的程序目前在我调用第一个 mkl_free() 之前就崩溃了，所以我怀疑这是某种形式的内存泄漏。但是函数中使用的矩阵不应该是自包含的吗？我看不出释放它们会如何导致我的整个程序崩溃。

调用 mkl_free_buffers(); 和 mkl_thread_free_buffers(); 没有产生我可以观察到的效果。我曾尝试在程序执行开始时以速度为代价使用 mkl_disable_fast_mm() 关闭英特尔内存管理器，但也无济于事。

我已经检查了进入函数本身的输入，并且矩阵完全有效 - 就像我在测试期间使用的一样。

当我在某些循环中调用 mkl_free(array) 时，为什么我的程序会崩溃？

cblas_dcopy 与 dcopy 有什么区别？我主要使用 dcopy，因为英特尔的官方手册中提供了它来复制我的矩阵。

这是错的吗？我最近在在线指南形式中遇到了另一种方式：

如果我使用 C++，有什么区别，我应该使用哪一个？

I am trying to run a sample file from Intel on using its mkl software with C++. However, I am unable to get it to run. As I have never used C++, I assume I am making a simple error.

Here is the Intel document instructions I followed along with the sample code. It starts on page 11.

I am running this in my terminal:

And this is my error:

I should note I am running this on my mid-2012 macbook retina.

我想使用 SciPy 测试一些信号处理和统计数据。所以我不得不使用scipy.signaland scipy.stats，但我总是得到一个错误：

ImportError: DLL load failed: The specified module could not be found.

我使用的是 Numpy 1.7.1、scipy 0.12 和 Python 2.7.3。我在网上查了一下，也在其他论坛上问过！当用 Numpy-MKL 分布切换我的 Numpy 分布时，这个问题得到了解决。

我想知道这两个库之间的区别？

我是一名工程研究生，目前正在从 MATLAB 过渡到 Python，以进行数值模拟。我的印象是，对于基本的数组操作，Numpy 会和 MATLAB 一样快。但是，对于我编写的两个不同的程序，MATLAB 的速度似乎比 Numpy 快两倍。我用于 Numpy (Python 3.3) 的测试代码是：

而对于 MATLAB 2012a，我正在使用：

我使用的算法是在 NASA网站上使用的比较 Numpy 和 MATLAB 的算法。该网站显示 Numpy 在该算法的速度方面超过了 MATLAB。然而，我的结果显示 Numpy 的仿真时间为 0.49 秒，MATLAB 的仿真时间为 0.29 秒。我还在 Numpy 和 Matlab 上运行了 Gauss-Seidel 求解器，得到了类似的结果（16.5 s vs. 9.5 s）

我是 Python 的新手，在编程方面并不是非常有文化。我正在使用 WinPython 64 位 Python 发行版，但也尝试过 Pythonxy 无济于事。

我读过的应该提高性能的一件事是使用 MKL 构建 Numpy。不幸的是，我不知道如何在 Windows 上执行此操作。我什至需要这样做吗？

有什么建议么？

MKL 的串行和并行版本在两个不同的库中实现。库的功能具有相同的名称。所以你不能直接加载两个库并分别调用每个函数，而不会在编译时发生冲突。

我想开发一个函数的包装器（例如 OpenGL Extension Wrangler Library (GLEW)），它将为每个相同的函数提供相应的扩展，并且扩展函数将从适当的库中加载并行或顺序函数。这是一个好主意吗？你能建议点别的吗？

非常感谢。

我有一个与 mkl 库动态链接的代码。运行代码时，它报告找不到 mkl。

但是当我使用 ldd 检查可执行文件中的动态链接库时，它显示找到了 mkl 库

知道有什么问题吗？

输出自readelf -l ./bmdl

更多调试

似乎对一个人LD_DEBUG跑步没有影响./bmdl。

我刚刚意识到旧的bmdl有一个“setgid”标志，而我的新版本没有。也许这就是原因？

我setgid从旧的bmdl和运行中删除了该位./bmdl并没有抱怨找不到库。现在的问题是为什么 setgid 会干扰动态链接库？

碰巧带有动态链接可执行文件的 setgid 可能会导致安全问题，并且受到 GNU glibc 的极大限制。例如，LD_LIBRARY_PATH 将被忽略。也许旧建筑以前从未工作过？！

我对 C++ 比较陌生（我主要有 C# 背景）。我已经获得了一些要从 Windows 移植到 Linux 的代码，但是虽然我可以让 Visual Studio 2010 编译它（使用 Intel C++ 编译器），但我无法让它在 linux 中与 gcc 一起工作，或 Intel C++ Linux 编译器（都给出相同的错误）。我不认为这是一个不起作用的英特尔特定功能，这就是为什么我在这里而不是在英特尔论坛上提问的原因。

我试图编译的文件 DoubleMatrixOperations.cpp 是：

编译器的输出是：

如果这是一个愚蠢的问题，请提前道歉！

谢谢，托马斯

我正在使用英特尔 MKL 库来求解(A*x = b)具有多个右侧 (rhs) 向量的线性方程组。rhs 向量是通过单独的程序异步生成的，因此不可能一次解决所有问题。

为了加快程序速度，使用了多线程程序，其中每个线程负责求解单个 rhs 向量。由于矩阵A总是恒定的，LU 分解应该执行一次，然后在所有线程中使用这些因子。所以，我考虑A使用以下命令

并使用以下命令将句柄传递给线程以解决问题：

但是，我发现handle在多个dss_solve_real. 显然，出于某种原因，MKL 库在每个创建竞争条件的实例中更改句柄。我阅读了 MKL 手册，但找不到任何相关内容。由于对每个线程进行因式分解是不合逻辑的A，我想知道是否有任何方法可以克服这个问题并在handle任何地方使用相同的方法。

在此先感谢您的帮助