问题标签 [lapacke]

我离成为一名优秀的程序员还很遥远，我正在尝试使用 LAPACKE_dsyevd。我编写了以下代码，旨在找出对角线由 0 组成且非对角线元素等于 1 的 2x2 对称矩阵的特征值和特征向量。特征值是好的，但只有一个返回特征向量是好的. 我尝试了几种参数组合但均未成功...有人可以告诉我出了什么问题吗？

我正在寻找一种解决方案，通过大量矩阵乘法来加速我的程序的性能。所以我用 MKL 替换了 CLAPACK f2c 库。不幸的是，演出的结果不是预期的。

经过调查，我遇到了一个块三角矩阵，当我尝试将它与其转置相乘时，它主要表现不佳。

为了简化问题，我用 5000 个元素的单位矩阵进行了测试（我发现了相同的结果）

• 我们可以看到单位矩阵的 CLAPACK f2c 乘法比 MKL 更快 (x14)。
• 我们可以注意到 MKL 和 CLAPACK f2c 密集矩阵乘法之间的加速度乘以 84。

此外，dense*denseT 和单位矩阵的乘法过程中的时间消耗差异非常小。

所以我试图在 CLAPACK f2c DGEMM 中找到解析矩阵乘法的优化，我发现了一个空值条件。

当我删除这个条件时，我得到了这样的结果：

• 在这里，我们注意到稠密和恒等式的乘法在性能方面是非常子句，现在 MKL 表现出最好的性能。
• MKL 乘法似乎比 CLAPACK f2c 更快，但只有相同数量的非空元素。

我对这个结果有两个想法：

1. MKL中默认不激活0优化

2. MKL 看不到我的稀疏矩阵中的 0 (double) 值。

你能告诉我为什么 MKL 显示性能问题吗？您有什么技巧可以绕过 dgemm 对空元素的乘法吗？

我在 CSR 中做了一个保护，它显示出更好的性能，但在这种情况下为什么 lapacke_dgemm 比 f2c_dgemmm 最差。

谢谢您的帮助 ：）

MKL_VERBOSE Intel(R) MKL 2021.0 Update 1 Product build 20201104 for Intel(R) 64 架构 Intel(R) Advanced Vector Extensions 2 (Intel(R) AVX2) 启用处理器，Lnx 3.50GHz lp64 gnu_thread

所以我正在尝试计算NxN矩阵的 SVD。奇怪的是，对于2x2矩阵的所有情况，来自 lapack 和 scipy 的 SVD 都匹配，但是当我选择 a3x3或4x4矩阵时它们会有所不同。

产量

和scipy.linalg.SVD产量

到目前为止，一切都很好。现在当我尝试输入一个3x3或NxN矩阵时，结果就像

产量

现在，我知道 Scipy 计算的结果是完美的，因为我使用 SVD 的目的是完美的并给出完美的结果，而我的目标是生成像 scipy 这样的结果。现在我知道 Scipy 也使用 LAPACK 的驱动程序，但为什么会有不同呢？我在哪里搞砸了。

我正在学习在 C 上使用 BLAS 和 LAPACK，但第一步我遇到了麻烦：导入和链接库。

我的设备是 mac，显然 Xcode 和编译器都找不到 cblas.h、lapack.h 或 lapacke.h，而这三个肯定都在 /usr/local/opt/openblas/include 中。我最终在标题中写了完整路径，例如

有了这个（丑陋的）解决方案，xcode 和编译器现在可以找到函数，但是在-llapacke制作可执行文件时链接存在问题。-lapack链接和没有问题-lblas，但是当我尝试时-llapacke，我收到以下错误

我检查了，所有三个 .h 文件都在/usr/local/opt/openblas/include/.

我很感激在解决这个问题方面的一些帮助。

到目前为止我已经尝试过： 我重新安装（使用自制软件）cblas 和 lapack，它没有修复它。我还尝试通过这样做（在回答这个问题之后）将库与完整路径链接起来：

我还尝试在此页面上的答案之后添加到搜索路径，但它不起作用：

++ 我的操作系统是 Catalina 10.15.6，我的 Xcode 是 12.4。

++++我还用一个非常相似的标题检查了这个问题，它没有帮助（问题完全不同，只是标题相似）。

我希望使用 LAPACKE 库对 LAPACK 库进行 C/C++ 调用。在多个设备上，我尝试编译一个简单的程序，但 LAPACKE 似乎没有正确链接。

这是我的代码，对此示例稍作修改：

我已经使用 apt 包管理器安装了 blas、lapack 和 lapacke：

我正在编译：

-据我所知，我不应该是必需的，但无论如何我都会把它放进去。我收到以下错误：

无论我是从源代码编译 lapacke、导入整个头文件、将函数本身声明为 extern，还是将函数的名称更改为以下任何一个，这个问题仍然存在：dgetrf()、dgetrf_()或LAPACK_dgetrf()，所有我见过的 LAPACK 样式调用的常用名称。

查看 Lapacke 标头，看起来 LAPACK_dgetrf() 转换为 lapack 函数调用 dgetrf_()。打开静态压缩包查找 dgetrf，我可以发现 liblapack.a 有一个函数对象 dgetrf.o，而 liblapacke.a 有一个函数 lapack_dgetrf.o。我在想问题的根源是LAPACK_dgetrf()基本上是dgetrf_()，而链接器找不到dgetrf_()，因为LAPACK有一个叫做dgetrf()的函数，而不是dgetrf_()。不过我很困惑，因为编译器没有抱怨任何链接库不存在，而且似乎没有其他人在他们的设备上遇到这个问题，而我现在已经在 3 个单独的设备上遇到了这个问题（所有 ubuntu基于）。

我需要做什么才能让 LAPACKE 编译，不仅仅是 C，而是 C++？

我正在尝试使用 Lapack 的 dpotrf 函数对一维双数组进行 choleskey 分解。它似乎适用于某些情况，但在其他情况下它有奇怪的行为。

这是我的代码：

并通过以下方式构建：

2x2 案例给出：

从技术上讲，这是不正确的，因为它不是下三角形，但下半部分是正确的

它正确地（可能是偶然的）识别出它不能对注释掉的 A3 矩阵进行操作。

它正确地表明它可以对有效的 A3 进行操作，但结果值为：

有效的 Cholesky 分解是（根据 Matlab）：

我怀疑该功能没有损坏，但我没有正确的论据。
我怀疑它可能是 LDA 变量，因为我不知道这是什么，而其他 LAPACK 函数通常只是将它设置为相同的 N 值。

有谁知道可能导致此问题的原因？

我是 LAPACKE 的第一次用户习惯了这些约定，所以我的问题可能很容易解决。我正在尝试实现函数 LAPACKE_zhetrd 和 LAPACKE_zstegr 来查找复杂 Hermitian 矩阵的特征值。我对 zhetrd 的调用似乎工作正常，但是 zstegr 给出了一个段错误并且没有完成。

根据 zstegr 的文档，如果您只搜索所有特征值而不是一些特征值和/或特征向量，则不会引用几个参数。

在下面的代码中，我为未引用且不是数组的参数插入了 0。对于未引用的数组，我只是传递了一个适当类型的虚拟指针。我想我不明白应该如何传递函数的某些参数。我希望有人指出我的错误。

我目前正在尝试在 Windows 中安装 LAPACK。我在这里遵循了在 Windows 中安装 LAPACK 的指南：https ://icl.cs.utk.edu/lapack-for-windows/lapack/ 。我使用的指南来自Build Instructions to create LAPACK and LAPACKE 3.5.0 dlls for Windows with MinGW. 我坚持第 8 步。我在这Linking fortran shared library部分中遇到了以下错误。这是以下错误消息：

我试图搜索如何解决这个问题。我发现的所有来源都与此类似：https ://icl.cs.utk.edu/lapack-forum/viewtopic.php?f=4&t=5315 。但是它对我不起作用。对于遇到类似问题并有解决方案的任何人，我想寻求帮助。

提前致谢！

mkl 在我们的集群上有一个奇怪的行为。我将 Eigen::SelfAdjointEigenSolverEigen::MatrixXcd 称为复矩阵 (ZHEEV)。

当我计算大矩阵（dim >~ 100k）的特征向量时，它只使用一个核心。

奇怪的是，对于没有特征向量的较小的复杂矩阵、实矩阵和大型复杂矩阵（dim >~ 100k），它运行得非常好（多核）。

有没有人面临同样的问题或知道后台发生了什么？

我尝试了各种 mkl 版本。

我试图通过对 .so 使用 dlopen() 并在每个版本中打开函数来支持 Ubuntu 18.04 和 CentOS 7 中的 zgetrf() ，但调用约定不同。在 CentOS 中，它使用 LAPACKE_zgetrf() 工作，但在 Ubuntu 18.04 中，它们不会导出为 LAPACKE_zgetrf，唯一的选择是 zgetrf_：

我可以按如下方式进行 LAPACKE_zgetrf() 调用，这可行：

如何将其转换为 call zgetrf_(...)？