CBLAS的安装与使用

CBLAS 是 BLAS 的 C 语言接口。 BLAS 的全称是 Basic Linear Algebra Subprograms ，中文大概可以叫做基础线性代数子程序。主要是用于向量和矩阵计算的高性能数学库。本身 BLAS 是用 Fortran 写的，为了方便 C/C++ 程序的使用，就有了 BLAS 的 C 接口库 CBLAS 。 BLAS 的主页是 http://www.netlib.org/blas/ ， CBLAS 的下载地址也可以在这个页面上找到。

 

CBLAS 安装需要先装 BLAS ，从主页上下载 blas.tgz ，解压，根据系统修改 make.inc 和 Makefile ， make ，就会生成一个 blas_LINUX.a 文件。然后，下载 cblas.tgz ，解压，在目录下将 Makefile.* 文件改名或者做一个链接文件为 Makefile.in 文件，比如在 linux 下就是 ln -s Makefile.LINUX Makefile.in ，根据具体情况修改 Makefile.in 文件，主要是 BLAS 的库文件路径 BLLIB 和 CBLAS 的安装目录 CBDIR ， make help 就可以打印出可以使用的 make 命令，要生成全部文件就是用 make all 。在 $(CBDIR) 目录下的 $(CBLIBDIR) 将生成 CBLAS 的库文件 $(CBLIB) ， cblas_LINUX.a 。

 

在 CBLAS 的安装目录 $(CBDIR) 下的 src 目录中有个 cblas.h 是包括的 CBLAS 的函数和常量的头文件，使用 CBLAS 的时候就需要这个头文件，同时还需要 BLAS 的库文件 $(BLLIB ) 和 CBLAS 的库文件 $(CBLIB) 。

 

CBLAS/BLAS 分为 3 个 level ， level1 是用于向量的计算， level2 是用于向量和矩阵之间的计算， level3 是矩阵之间的计算。比如计算矩阵的乘法就是属于 level3 ，这里就用矩阵乘法来学习使用 CBLAS 。

 

计算矩阵乘法的函数之一是  cblas_sgemm ，使用单精度实数，另外还有对应双精度实数，单精度复数和双精度复数的函数。在此以  cblas_sgemm 为例。

 

函数定义为：

void cblas_sgemm(const enum CBLAS_ORDER Order, const enum CBLAS_TRANSPOSE TransA,

 

                 const enum CBLAS_TRANSPOSE TransB, const int M, const int N,

 

                 const int K, const float alpha, const float *A,

 

                 const int lda, const float *B, const int ldb,

 

                 const float beta, float *C, const int ldc)

关于此 函数的 详细定义可以在 http://www.netlib.org/blas/sgemm.f 找到，只不过是 fortran 语言的 , 这个 C 语言版的略有差别。

此函数计算的是  C = alpha*op( A )*op( B ) + beta*C,

 

const enum CBLAS_ORDER Order ，这是指的数据的存储形式，在 CBLAS 的函数中无论一维还是二维数据都是用一维数组存储，这就要涉及是行主序还是列主序，在 C 语言中数组是用行主序， fortran 中是列主序。我还是习惯于是用行主序，所以这个参数是用 CblasRowMajor ，如果是列主序的话就是 CblasColMajor 。

 

const enum CBLAS_TRANSPOSE TransA 和                  const enum CBLAS_TRANSPOSE TransB ，这两个参数影响的是 op( A ) 和 op( B) ，可选参数为 CblasNoTrans=111, CblasTrans=112, CblasConjTrans=113 ，其中 TransA = CblasNoTrans, op( A ) = A ， TransA = CblasTrans, op( A ) = A' ， TransA = CblasConjTrans, op( A ) = A' 。  TransB 类似。

 

const int M ，矩阵 A 的行，矩阵 C 的行

const int N ，矩阵 B 的列，矩阵 C 的列

const int K ，矩阵 A 的列，矩阵 B 的行

const float alpha ，  const float beta ，计算公式中的两个参数值，如果只是计算 C=A*B ，则 alpha=1,beta=0

 

const float *A ，  const float *B ，  const float *C ，矩阵 ABC 的数据

 

const int lda， const int ldb， const int ldc，在BLAS的文档里，这三个参数分别为ABC的行数，但是实际使用发现，在CBLAS里应该是列数。

 

我在这里计算两个简单矩阵的乘法。

A:

1,2,3

4,5,6

7,8,9

8,7,6

 

B:

5,4

3,2

1,0

 

程序代码：

// 因为程序是 C++ ，而 CBLAS 是 C 语言写的，所以在此处用 extern 关键字

extern "C"

{

     #include <cblas.h>   

}

#include <iostream>

using namespace  std;

int  main( void ) {

   

     const enum  CBLAS_ORDER Order=CblasRowMajor;

     const enum  CBLAS_TRANSPOSE TransA=CblasNoTrans;

     const enum  CBLAS_TRANSPOSE TransB=CblasNoTrans;

     const int  M=4; //A 的行数， C 的行数

     const int  N=2; //B 的列数， C 的列数

     const int  K=3; //A 的列数， B 的行数

     const float  alpha=1;

     const float  beta=0;

     const int  lda=K; //A 的列

     const int  ldb=N; //B 的列

     const int  ldc=N; //C 的列

     const float  A[K*M]={1,2,3,4,5,6,7,8,9,8,7,6};

     const float  B[K*N]={5,4,3,2,1,0};

     float  C[M*N];

   

    cblas_sgemm(Order, TransA, TransB, M, N, K, alpha, A, lda, B, ldb, beta, C, ldc);

     

     for ( int  i=0;i<M;i++)

    {

        for ( int  j=0;j<N;j++)

       {

           cout<<C[i*N+j]<< "/t" ;

       }

       cout<< endl ;

    }

   

     return  EXIT_SUCCESS;

}

在编译的时候需要带上 cblas_LINUX.a 和 blas_LINUX.a ，比如，

g++ main.cpp cblas_LINUX.a blas_LINUX.a -o main

当然，这里假定是这两个 .a 文件是放在可以直接访问的位置，或者写全路径也可以。

 

这种做法在 CentOS.5 下顺利通过，但是在我的 Ubuntu.7.10 下出了问题， blas_LINUX.a 正常编译生成，但在链接的时候出了错误，所以只好从源里安装了 atlas ， sudo apt-get install atlas3-base ，在 /usr/lib/atlas/ 目录下就会有 libblas.* 和 liblapack.* 库文件，只需要在链接的时候用这里的 blas 库文件替换上文安装的 BLAS 就可以正常编译通过。

 

另外，在 GSL 下也有 BLAS 和 CBLAS ，在 boost 里有 ublas 也提供 CBLAS/BLAS 的功能，有时间也拿来研究研究。

另附GNU上的一个例子：

The following program computes the product of two matrices using the Level-3 BLAS function SGEMM,

[ 0.11 0.12 0.13 ]  [ 1011 1012 ]     [ 367.76 368.12 ]
[ 0.21 0.22 0.23 ]  [ 1021 1022 ]  =  [ 674.06 674.72 ]
                              [ 1031 1032 ]
The matrices are stored in row major order but could be stored in column major order if the first argument of the call to cblas_sgemm was changed to CblasColMajor.

#include <stdio.h>
#include <gsl/gsl_cblas.h>

int
main (void)
{
  int lda = 3;

  float A[] = { 0.11, 0.12, 0.13,
                0.21, 0.22, 0.23 };

  int ldb = 2;
  
  float B[] = { 1011, 1012,
                1021, 1022,
                1031, 1032 };

  int ldc = 2;

  float C[] = { 0.00, 0.00,
                0.00, 0.00 };

  /* Compute C = A B */

  cblas_sgemm (CblasRowMajor, 
               CblasNoTrans, CblasNoTrans, 2, 2, 3,
               1.0, A, lda, B, ldb, 0.0, C, ldc);

  printf ("[ %g, %g\n", C[0], C[1]);
  printf ("  %g, %g ]\n", C[2], C[3]);

  return 0;  
}
To compile the program use the following command line,

$ gcc -Wall demo.c -lgslcblas
There is no need to link with the main library -lgsl in this case as the CBLAS library is an independent unit. Here is the output from the program,

$ ./a.out
[ 367.76, 368.12
  674.06, 674.72 ]