CBLAS的安装与使用

jongzai

于 2024-01-02 11:42:20 发布

阅读量682

点赞数

分类专栏：原理 MATLAB 文章标签：数学建模

原文链接：https://blog.csdn.net/cleverysm/article/details/1925549?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-1-1925549-blog-120521241.235%5Ev40%5Epc_relevant_3m_sort_dl_base1&depth_1-utm_sour

版权

原理同时被 2 个专栏收录

20 篇文章 2 订阅

订阅专栏

MATLAB

14 篇文章 0 订阅

订阅专栏

CBLAS 的安装与使用

烤鱼片 (@eii.dlmu)
cleverysm@163.com

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 ) + betaC,

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
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。
————————————————
版权声明：本文为CSDN博主「cleverysm」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/cleverysm/article/details/1925549