高速缓存与矩阵乘法(二)

LAPACK

如果矩阵的规模较小，直接按照公式展开计算倒是看不出性能上有什么大问题，比如两个二维方阵相乘，计算公式如下
$$c[i][j]=\sum _{k=1}^{n}a[i][k]\ast b[k][j],1⩽i⩽n,1⩽j⩽n$$
但是，随着矩阵规模的增大，这种计算方式的性能瓶颈就比较突出了，根本无法满足正常的业务需要。

下面介绍基于 BLAS (Basic Linear Algebra Subprograms) 算法库的线性代数库 LAPACK (Linear Algebra PACKage)，该库是用 Fortran 编写的算法库，是为了解决通用的线性代数问题的。不少计算机厂商都提供了针对不同处理器进行了优化的 BLAS/LAPACK 算法包，例如 Intel 的 MKL (Math Kernel Library，商业版)，AMD 的 ACML 等。在 Matlab 的 bin 目录里可以发现 MKL、blas、lapack 的踪影，所以由此推断，Matlab 底层应该也是使用了 BLAS/LAPACK 库的。

CLAPACK

CLAPACK 是使用 f2c 工具将 LAPACK 的 Fortran 代码转换成 C 语言代码的 C 语法算法包，其主页是 http://www.netlib.org/clapack，下面介绍如何在 windows 系统中编译生成 CLAPACK 库。

环境准备

• Windows 10
• Visual Studio 2019（受支持的其它版本亦可）
• 下载 cmake，并安装到系统上
• 在 CLAPACK 的主页 http://www.netlib.org/clapack 下载源码包 clapack-3.2.1-CMAKE.tgz，并解压

编译 CLAPACK 源码

首先，打开 CMake（cmake-gui）应用程序，如下图所示

第一步，输入 clapack 源码目录；第二步，指定一个新目录，用于存放要生成的解决方案 (CLAPACK.sln)；第三步，设置要生成的解决方案的参数，如下图所示

选择使用 Visual Studio 16 2019 生成工程，并指定 x64 平台（后面可以按照同样的步骤生成 win32 或其它平台下的工程），点击 Finish 按钮，就会开始生成解决方案了。如果生成后有红色的错误提示信息，如下图所示，点击按钮 Generate 重新生成即可，可能需要执行两次，错误提示信息才会消失。

之后就可以到生成的解决方案目录下，打开解决方案 CLAPACK.sln，并分别编译 Debug 和 Release 版本。然后，就可以分别到对应的工程目录下找到编译好的库文件，有以下三个：

blas.lib

libf2c.lib

lapack.lib

而引用上述静态库所需要包含的头文件，则可以在 CLAPACK 源码目录下的 INCLUDE 目录下找到，有以下三个文件：

blaswrap.h

clapack.h

f2c.h

将编译好的静态库文件和需引用的头文件收集到一起，就可以提供给其它动态库或应用程序引用。