问题标签 [jblas]

使用 JBLAS，我定义了以下矩阵：

我想构造一个由、和矩阵A组成的矩阵，其形式如下：IOBA

JBLAS 中有支持水平和垂直连接的函数，但我想知道是否有一种更简洁的构造方法A，不涉及为每个子矩阵调用这些函数。任何帮助将不胜感激，再次感谢！

我正在使用 jblas 进行 Apache 紧缩工作，但约束条件是我无法编写任何本地文件。我只需要执行一项写入临时文件的操作：mmul。例如，

尝试将本地文件写入如下目录：

有没有办法在不编写本地文件的情况下进行矩阵乘法？

谢谢你。

我正在尝试建立一个环境来支持集群上的探索性数据分析。根据对现有情况的初步调查，我的目标是使用 Scala/Spark 和 Amazon EMR 来预置集群。

目前，我只是尝试启动并运行一些基本示例，以验证我是否已正确配置所有内容。我遇到的问题是我没有看到我期望从 Amazon 机器实例上的 Atlas BLAS 库中获得的性能。

下面是我的简单基准测试的代码片段。它只是一个方阵乘法，然后是短胖乘法和一个高瘦乘法，以产生一个可以打印的小矩阵（我想确保 Scala 不会因为惰性求值而跳过计算的任何部分）。

我将 Breeze 用于线性代数库，并使用 netlib-java 为 BLAS/LAPACK 引入本地本机库

根据对基准的网络调查，我预计 3000x3000 矩阵乘法大约需要。2-4s 使用本地优化的 BLAS 库。当我在 MacBook Air 上本地运行时，这个基准测试在 1.8 秒内完成。当我在 EMR 上运行它时，它大约会完成。11s（使用 g2.2xlarge 实例，尽管在 m3.xlarge 实例上获得了类似的结果）。作为另一项交叉检查，我在相同的 EC2 实例类型 g2.2xlarge 上运行来自BIDMach 项目的预构建 EC2 AMI ，并获得了 2.2 秒（注意，相同计算的 GPU 基准测试产生了 0.047 秒）。

在这一点上，我怀疑 netlib-java 没有加载正确的库，但这就是我卡住的地方。我已经多次阅读 netlib-java 自述文件，似乎 ATLAS 库已按要求安装（见下文）

下面我展示了在 Amazon EMR 实例上运行基准测试的 2 个示例。第一个显示本机系统 BLAS 应该正确加载的时间。第二个显示当本机 BLAS 未加载并且包回退到参考实现时。因此，它似乎确实在根据消息和时间加载本机 BLAS。与在我的 Mac 上本地运行相比，no BLAS 案例的运行时间大致相同，但本机 BLAS 案例在我的 Mac 上的运行时间为 1.8 秒，而在下面的案例中为 15 秒。与 EMR 相比，我的 Mac 的信息消息相同（除了特定的目录/文件名等）。

在这一点上，我最好的猜测是它实际上正在加载一个本机库，但它正在加载一个通用库。关于如何验证它在运行时拾取的共享库有什么建议吗？我试过'ldd'，但这似乎不适用于spark-submit。或者也许我对 Atlas 的期望是错误的，但如果它们没有运行相当有竞争力的速度，似乎很难相信 AWS 会预先安装这些库。

如果您发现这些库未在 EMR 上正确链接，请提供有关我需要做什么的指导，以便 Atlas 库被 netlib-java 拾取。

谢谢蒂姆

我正在尝试将 MLlib 用于矩阵乘法问题。

我知道 Spark MLLib 使用本机库，这些库需要存在于节点上。（它不附带火花安装）。

所以我已经在所有节点上安装了 libgfortran 库（我做了和 Apache Spark 一样的——MlLib——协作过滤）

但是在集群上运行时我仍然遇到这个错误。

我该如何解决这个错误？

该库以 zip 格式下载并解压缩到整个文件夹结构而不是 jar 文件。

https://github.com/mikiobraun/jblas-examples/blob/master/src/CG.java

我需要一些帮助才能将其导入 android studio。

我正在尝试计算以下矩阵的特征向量和特征值。我能够得到结果，但所有特征向量都是正的

例子：

12.48 -1.88 -6.7

-1.88 26.7 4.32

-6.7 4.32 21.2

[1] 实特征值 = 8.8362 =S3

[1] 实特征向量：

-0.0247

[2] 实特征值 = 20.9867 =S2

[2] 实特征向量：

-0.6696

[3] 实特征值 = 30.5570 =S1

[3] 实特征向量：

-0.7731

-0.5643

以下是我测试时的方法和输出。

我的测试方法后的结果。

Principal EigenValues[8.84, 20.99, 30.56] Principal EigenVectors[0.8753, 0.0247, 0.483, 0.3873, 0.6337, 0.6696, 0.2895, 0.7731, 0.5643]

我需要为我的Android应用程序使用矩阵指数函数。我使用了图书馆jblas (jblas.org)。但它返回以下错误并且应用程序崩溃！

I'm using jBlas and it require libgfortran3 and tell me to install it from:

But I'm using Lubuntu 20.04, which use the same packages as Ubuntu 20.04. I can't find the package here https://packages.ubuntu.com/search?keywords=libgfortran3

So what should I do?

我已经用 NVBLAS 编译了 jBLAS 和一个有点 hacky 的解决方案，因为配置脚本没有正确找到库。我像这样手动编辑了configure.outjBLAS 文件，以包含 NVBLAS 库。

然后我运行命令make clean all，并mvn clean package按照此处记录。测试成功通过，但程序在退出时导致分段错误。

我决定运行mvn clean package -DskipTests，因为测试似乎通过了正常，只是程序在终止时导致了分段错误。然而，当我在我的 Java 项目中使用该库时，nvblas.log发现尽管 NVBLAS 拦截了对 BLAS 例程的调用，但它们实际上是在 CPU 而不是 GPU 上执行的。运行nvprof --print-gpu-summary我的程序也得出了同样的结论。

内容nvblas.log如下：

我真的不知道该怎么做，我希望有人可以提供任何建议，这似乎真的很糟糕。

我有一个制作线性代数的 Java 程序。我使用 jblas 库，根据我的理解，它应该调用实现 Blas 和 Lapack 的本机库以获得更快的结果。

此代码在 Docker 中运行并在 AWS Batch 托管作业中启动。

摘自 Dockerfile ：

我尝试提高对 24000 x 24000 平方对称矩阵求逆的速度。我看到 jblas 库提供了 2 种方法。一种用于使用本机dgesv程序进行通用线性系统求解，另一种用于使用本机dsysv程序进行对称矩阵求解。

问题 1：当应该使用原生 Blas 和 Lapack 库时，求解 24k 方阵需要这么多时间是否正常？如果不是，如何提高在 AWS Batch 作业环境中运行时的速度？

问题 2：为什么求解对称 (dsysv) 比一般求解 (dgesv) 慢？我的期望是，如果我们让原生库知道输入矩阵是对称的，它会给它一个提示，让它能够更快地求解线性系统。

顺便说一句，我检查了这两种方法是否给出了相同的数值结果。情况就是这样。