问题标签 [umfpack]

如果在 scipy.sparse 文档中对此进行了清楚的解释，我很抱歉。

使用 scipy 时，您建议使用什么函数来求解稀疏的正定线性方程组？我想使用直接方法，并且我希望对列进行重新排序，以便在系数矩阵的 Cholesky 分解中尽可能地保持稀疏性。理想情况下，我可以尝试各种重新排序选项。

scipy.sparse 中是否存在稀疏正定系统的直接求解器？scikit.sparse 是要走的路吗？

我在 Linux 系统上用 C++ 编写了一个代码，它解决了线性系统A x = b，其中A是使用以下两种方法的稀疏对称矩阵：

1. 用于UMFPACK顺序分解并进行向后前向替换。
2. 使用UMFPACK顺序分解，然后使用cuSPARSE库进行向后前向替换。

我的系统配置是：CUDA 5.0UMFPACK版本，5.6.2版本，Linux内核版本Debian 3.2.46-1，使用的显卡：GeForce GTX Titan。

从理论上讲，第二种方法应该比第一种方法执行得更好，并且错误最少或没有错误。但是，我观察到以下问题：

1. 使用UMFPACK函数umfpack_di_solve的向后/向前替换几乎2x比 CUDA 变体快。
2. 对于某些矩阵，使用 CUDA 得到的结果之间的误差UMFPACK非常大，最大误差为3.2537，而对于其他矩阵，则为1e-16.

附件是我的 tar 文件，其中包含以下组件：

• 一个文件夹 factorize_copy，其中包含我用来求解线性系统的主文件fc.cu。它从同样存在于同一目录中的grid_*_CSC.m文件中读取稀疏矩阵。为方便起见，提供的三个稀疏矩阵的结果也在文本文件中给出。
• 一个包含用于编译和运行的所有依赖项的文件夹UMFPACK（我们也将其用于计算）。

tar 文件的链接是 https://www.dropbox.com/s/9qfs5awclshyk3b/code.tar.gz

如果您希望运行代码，我在 factorize_copy 目录中提供了我在系统中使用的MAKEFILE 。您可能需要重新编译UMFPACK库。

下面还显示了我们的稀疏矩阵程序的示例输出586 x 586（请注意，与我们检查的其他稀疏矩阵相比，这种情况下的错误非常高）。

如果有人能指出在这种情况下可能出现的错误，我将不胜感激。如果我错过了使用 CUDA 解决稀疏线性系统的更好方法，请告诉我。

编辑：我弄清楚为什么它在某些情况下会出错，而在某些情况下不会。在代码中调用内核函数时，每个块的线程数有误。但是，我仍然有获得加速的问题。

我们的目标是使用英特尔编译器编译 SciPy（和 UMFPACK），以使用英特尔的（多线程）MKL BLAS，已经为 NumPy 成功完成了这项工作。在各种网站的帮助下，我们已经为 UMFPACK 和 SciPy 实现了这一目标，而没有任何明显的错误消息。然而，我们怀疑生成的 SciPy 没有找到我们的 UMFPACK，而是默默地使用了慢得多的替代函数 (SuperLU)。

谁能帮助我们（a）如何确定 SciPy 是否正在找到我们的 UMFPACK，以及（b）如何在编译或执行阶段将 SciPy 指向我们的 UMFPACK 库？

我用第一个子域中的斯托克斯方程和第二个子域中的混合泊松方程（达西）创建了一个划分域。我使用 UnitSquare，子域 1 应该是从 0 到 0,5 的区间，子域 2 应该是从 0,5 到 1 的区间。

但现在我收到以下错误：

解决线性变分问题。与调用 numeric 相关的 UMFPACK 问题 * 警告：UMFPACK 报告正在求解的矩阵是奇异的。与调用求解有关的 UMFPACK 问题 *警告：UMFPACK 报告正在求解的矩阵是奇异的。断言 vmax>=vmin, "空范围，请指定 vmin 和/或 vmax" 断言错误：空范围，请指定 vmin 和/或 vmax

任何人都可以帮忙吗？谢谢！

这是代码：

我忘记了这个术语中的 dx(0)。但这不是问题所在。

在代码的第一部分（Stokes）中，我尝试用以下方式编写无滑移条件：

但现在我收到以下错误：

任何人都可以帮忙吗？谢谢！

我正在尝试在 OSX 10.8 上编译一个名为 hiQlab 的程序

但我刚刚通过包含 umfpack 的 macports 安装了 SuiteSparse umfpack.h，实际上它存在于默认目录中/opt/local/include/

我需要添加路径还是什么？

好的，经过更多搜索后，我找到了答案——我没有将 macports 路径添加到我的搜索路径中

多么愚蠢 =p，因为我 8 小时都无法回答我自己的问题，所以我将在这里进行编辑

我正在尝试在我的 rosa linux r3 (64bit) 上为 matlab R2013a 编译 dynare 4.4.2。配置步骤是

但我得到了错误

我一直在尝试

，但错误仍然存​​在。安装了umfpack（lib64umfpack-devel、lib64umfpack5.6.1 包），所以我不知道该怎么办。有任何想法吗？提前致谢！

我正在通过Boost bindings使用Umfpack。在大多数情况下，它在求解大尺寸线性方程时工作得非常快。但在某些情况下，我发现结果是 NaN。一开始我认为矩阵是奇异的。但后来我意识到事实并非如此，方程可以通过 Matlab mldivide（反斜杠）函数求解。那么 NaN 结果的原因是什么？C++

我试图使用python setup_win_32.py install.

在安装过程中，我收到以下错误：

没有名为 scipy.linalg.dsolve.umfpack 的模块

有谁知道我该如何解决这个问题？

我在 Windows 7（32 位）上运行并安装了以下所有必需的库：

• 蟒蛇2.7
• PyQt4
• 麻木的
• scipy
• pyFAI
• 法比奥
• pyqtgraph
• scikit 图像
• pyopencl
• fftw3

我执行求解线性方程组的多次迭代：Mx=b使用大而稀疏的 M。M 在迭代之间不会改变，但 b 会改变。我尝试了几种方法，到目前为止发现反斜杠\mldivide 是最有效和最准确的。

以下代码与我正在做的非常相似：

现在我想通过利用 M 是固定的事实来进一步加速计算。

设置标志spparms('spumoni',2)允​​许求解器算法的详细信息。

我运行了以下代码：

输出（监控）：

观察线条：

这表明 M 的因式分解花费了求解方程所需总时间的 2.59546e+007/2.77385e+007 = 93.6%。

我想在我的迭代之外提前计算分解，然后只运行最后一个阶段，这需要大约 6.5% 的 CPU 时间。

我知道如何计算分解 ( [L,U,P,Q,R] = lu(M);)，但我不知道如何将其输出用作求解器的输入。

我想本着以下精神经营一些事情：

有没有办法在 Matlab 中做到这一点？

我下载并编译了 Openblas，现在我正在尝试编译并将 openblas 链接到 Suitesparse 4.4.4。编译所有 lib 文件后，当编译器尝试编译umfpack_di_demo.c时出现以下错误：

我的意思是链接不正确。但是，按照 SuiteSparse_config.mk 中的指示，我给出了 libopenblas.a 在我的系统上的绝对位置。此外，我还使用 gcc-nm 查看符号 dtrsv_ 是否在 libopenblas.a 中定义，我得到以下输出，表明该符号是在库中定义的：

我不确定这里出了什么问题。我应该在 suitesparse_config.mk 文件中包含带有 openblas 的 lapack 吗？任何帮助表示赞赏。谢谢。

注意：如果有帮助，我使用gcc 4.4.7进行所有编译，我的系统详细信息是：

== 编辑1：我遵循的步骤==

对于 Openblas：

1. 从 http://github.com/xianyi/OpenBLAS/zipball/v0.2.14 下载 openblas。
2. 使用 gcc-4.4.7 和以下命令在我的系统上解压缩并编译它 make FC=/usr/bin/lgfortran-4.4 我必须提供 'FC' 因为我的系统没有 libgfortran.* 存在于 /usr/lib /。
3. 编译完成后，我键入 make install 以安装到我的主文件夹中的自定义目录。

对于套件稀疏：

1. 从 http://faculty.cse.tamu.edu/davis/SuiteSparse/SuiteSparse-4.4.4.tar.gz 下载suitesparse
2. 解压它，并编辑 suitsparse_config.mk 文件以进行以下修改：A) 启用 CHOLMOD 和 SPQR 的 GPU 配置，B) 不使用 metis，因此注释“METIS_PATH = ../../metis-4.0”和“METIS = ../../metis-4.0/libmetis.a”。此外，未提交的“CHOLMOD_CONFIG = -DNPARTITION”。C）给出了openblas的自定义安装路径：BLAS = -L//OpenBLAS/local/lib/libopenblas.a -lpthread -L/usr/lib/gcc/x86_64-linux-gnu/4.4.7/libgfortran.so
3. 在 srcdir 中键入 make。