oneDNN、oneMKL、oneTBB 安装、配置和代码编译

以下是针对 Windows 系统 使用 oneDNN、oneMKL、oneTBB 的详细指南，包括安装、配置和示例代码编译方法：

---

一、安装与配置

1. oneDNN

• 安装方法

  1. 下载预编译库
     从 GitHub 的 oneDNN Release 下载 Windows 预编译包（如 onednn-<version>.win.zip）。
  2. 源码编译（可选）
     使用 CMake 和 Visual Studio 编译源码：

     git clone https://github.com/oneapi-src/oneDNN.git
     cd oneDNN
     mkdir build && cd build
     cmake -G "Visual Studio 16 2019" -A x64 ..
     cmake --build . --config Release
     

• 环境配置

  • 将 include 目录添加到 Visual Studio 的 包含路径。
  • 将 lib 目录添加到 库路径，并链接 dnnl.lib。
  • 将 bin 目录下的 dnnl.dll 复制到可执行文件目录或添加到系统 PATH。

---

2. oneMKL

• 安装方法

  1. 通过 Intel oneAPI 安装
     下载 Intel® oneAPI Base Toolkit，安装时勾选 Intel® oneAPI Math Kernel Library。
  2. 独立安装（可选）
     从 Intel 官网 下载独立安装包。

• 环境配置

  • 在 Visual Studio 中配置包含路径：C:\Program Files (x86)\Intel\oneAPI\mkl\<version>\include。
  • 库路径：C:\Program Files (x86)\Intel\oneAPI\mkl\<version>\lib\intel64。
  • 链接库：mkl_sycl.lib 或 mkl_intel_ilp64.lib（根据精度需求选择）。

---

3. oneTBB

• 安装方法

  1. 通过 Intel oneAPI 安装
     oneAPI Base Toolkit 包含 oneTBB，安装时勾选。
  2. 独立安装
     从 GitHub Release 下载 Windows 预编译包。

• 环境配置

  • 包含路径：C:\Program Files (x86)\Intel\oneAPI\tbb\<version>\include。
  • 库路径：C:\Program Files (x86)\Intel\oneAPI\tbb\<version>\lib\intel64\vc14。
  • 链接库：tbb.lib，并将 tbb.dll 添加到可执行文件目录。

---

二、使用示例（Visual Studio 项目）

1. oneDNN 示例（卷积操作）

#include <oneapi/dnnl/dnnl.hpp>
#include <iostream>
using namespace dnnl;

int main() {
    engine eng(engine::kind::cpu, 0);
    stream s(eng);

    // 定义输入、权重、输出的内存
    memory::dims input_dims = {1, 3, 224, 224};
    auto input_mem = memory({{input_dims}, memory::data_type::f32, memory::format_tag::nchw}, eng);
    auto weight_mem = memory({{64, 3, 3, 3}, memory::data_type::f32, memory::format_tag::oihw}, eng);
    auto output_mem = memory({{1, 64, 222, 222}, memory::data_type::f32, memory::format_tag::nchw}, eng);

    // 创建卷积算子
    auto conv_desc = convolution_forward::desc(
        prop_kind::forward_inference,
        algorithm::convolution_auto,
        input_mem.get_desc(),
        weight_mem.get_desc(),
        output_mem.get_desc(),
        {1, 1},  // Stride
        {0, 0}   // Padding
    );
    auto conv_prim = convolution_forward(conv_desc, eng);

    // 执行卷积
    conv_prim.execute(s, {
        {DNNL_ARG_SRC, input_mem},
        {DNNL_ARG_WEIGHTS, weight_mem},
        {DNNL_ARG_DST, output_mem}
    });
    s.wait();
    std::cout << "Convolution completed!" << std::endl;
    return 0;
}

• 项目配置
  1. 右键项目 → 属性 → C/C++ → 常规 → 添加 oneDNN 的 include 目录。
  2. 链接器 → 输入 → 附加依赖项：dnnl.lib。
  3. 将 dnnl.dll 复制到 Debug 或 Release 目录。

---

2. oneMKL 示例（矩阵乘法）

#include <CL/sycl.hpp>
#include <oneapi/mkl.hpp>
#include <iostream>
using namespace sycl;
using namespace oneapi::mkl;

int main() {
    queue q;
    const int m = 1024, n = 1024, k = 1024;
    float *A = malloc_shared<float>(m * k, q);
    float *B = malloc_shared<float>(k * n, q);
    float *C = malloc_shared<float>(m * n, q);

    // 初始化数据（示例）
    for (int i = 0; i < m * k; i++) A[i] = 1.0f;
    for (int i = 0; i < k * n; i++) B[i] = 2.0f;

    // 执行矩阵乘法
    blas::gemm(q, transpose::N, transpose::N, m, n, k, 1.0f, A, k, B, n, 0.0f, C, n);
    q.wait();

    std::cout << "C[0] = " << C[0] << std::endl; // 应输出 3*1024=3072（1*2累加1024次）
    return 0;
}

• 项目配置
  1. 包含路径：添加 oneMKL 的 include 和 SYCL 头文件目录。
  2. 链接库：mkl_sycl.lib、mkl_intel_ilp64.lib、mkl_core.lib。
  3. 确保 sycl.dll 和 mkl_rt.dll 在可执行目录。

---

3. oneTBB 示例（并行求和）

#include <tbb/parallel_reduce.h>
#include <tbb/blocked_range.h>
#include <vector>
#include <iostream>
using namespace tbb;

float parallel_sum(const std::vector<float>& data) {
    return parallel_reduce(
        blocked_range<size_t>(0, data.size()), 0.0f,
        [&](const blocked_range<size_t>& r, float init) {
            for (size_t i = r.begin(); i < r.end(); ++i) init += data[i];
            return init;
        },
        [](float a, float b) { return a + b; }
    );
}

int main() {
    std::vector<float> data(1000000, 1.0f); // 100万个1.0
    float sum = parallel_sum(data);
    std::cout << "Sum: " << sum << std::endl; // 应输出1000000
    return 0;
}

• 项目配置
  1. 包含路径：添加 oneTBB 的 include 目录。
  2. 链接库：tbb.lib。
  3. 将 tbb.dll 和 tbbmalloc.dll 复制到输出目录。

---

三、常见问题解决

1. DLL 文件缺失

   • 将 dnnl.dll、tbb.dll、mkl_rt.dll 等文件复制到可执行文件目录（如 Debug 或 Release）。
   • 或将它们的路径添加到系统环境变量 PATH。

2. 链接错误

   • 确保库文件（.lib）路径正确，且架构一致（x64 需链接 x64 库）。

3. 性能优化

   • 在 oneMKL 中，使用 mkl_intel_ilp64.lib 时需在代码中添加 #define MKL_ILP64。

---

四、总结

步骤	oneDNN	oneMKL	oneTBB
安装方式	预编译包/源码编译	Intel oneAPI 安装	预编译包/oneAPI
关键文件	dnnl.lib, dnnl.dll	mkl_*.lib, mkl_rt.dll	tbb.lib, tbb.dll
配置重点	内存布局与线程绑定	精度模式（ILP64/LP64）	线程池大小控制

• 推荐工具：使用 Visual Studio 2022 和 Intel oneAPI 命令行工具（如 icl 编译器）以获得最佳兼容性。