MKL库之BLAS汇总

最新推荐文章于 2024-08-15 21:42:26 发布
置顶 最新推荐文章于 2024-08-15 21:42:26 发布
阅读量2.8k 收藏 20
点赞数 2
分类专栏： MKL数学库 文章标签： intel c++
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39036287/article/details/106753553
版权

基本线性代数子程序(BLAS)

​ 本章描述了英特尔®数学内核库的BLAS和稀疏BLAS例程实现，以及BLAS类扩展。例程描述安排在几个部分:

  • BLAS 1级例程(向量-向量操作)

  • BLAS 2级例程(矩阵向量操作)

  • BLAS 3级例程(矩阵-矩阵操作)

  • 稀疏BLAS 1级例程(向量-向量操作)

  • 稀疏BLAS 2级和3级例程(矩阵向量和矩阵矩阵操作)

  • BLAS-like扩展

    ? 字段表示数据类型:

    ​ s 实数，单精度

    ​ c 复数，单精度

    ​ d 实数，双精度

    ​ z 复数，双精度

    一些例程和函数可以组合字符代码，比如sc或dz。

  • BLAS 1级例程(向量-向量操作)

    BLAS级别1例程和函数组及其数据类型

    函数形式数据类型描述
    cblas_?asums, d, sc, dz向量大小(函数)的和
    cblas_?axpys, d, c, z向量数乘
    cblas_?copys, d, c, z拷贝向量
    cblas_?dots, d点乘
    cblas_?sdotsd, d双精度点乘
    cblas_?dotcc, z共轭点乘
    cblas_?dotuc, z未共轭点积
    cblas_?nrm2s, d, sc, dz向量2范数(欧几里得范数)(函数)
    cblas_?rots, d, cs, zd点平面旋转(例程)
    cblas_?rotgs, d, c, z生成Givens点旋转(例程)
    cblas_?rotms, d改进Givens点平面旋转(例程)
    cblas_?rotmgs, d生成修改的给定平面旋转点
    cblas_?scals, d, c, z, cs, zd向量标量乘积
    cblas_?swaps, d, c, z向量交换
    cblas_i?amaxs, d, c, z向量的最大绝对值元素的索引
    cblas_i?amins, d, c, z向量的最小绝对值元素的索引
    cblas_?cabs1s, d计算复数绝对值的单精度或双精度

  • BLAS 2级例程(矩阵向量操作)

    BLAS级别2例程和函数组及其数据类型

    函数形式数据类型描述
    cblas_?gbmvs, d, c, z矩阵-向量积
    cblas_?gemvs, d, c, z矩阵-向量积
    cblas_?gers, d一般矩阵的第1阶更新
    cblas_?gercc, z一般矩阵的共轭秩-1更新
    cblas_?geruc, z一般矩阵的秩-1更新，未共轭
    cblas_?hbmvc, z使用厄密带矩阵的矩阵-向量积
    cblas_?hemvc, z使用厄米矩阵的矩阵-向量积
    cblas_?herc, z厄米矩阵的秩-1更新
    cblas_?her2c, z厄米矩阵的秩-2更新
    cblas_?hpmvc, z使用厄米矩阵填充矩阵的矩阵-向量积
    cblas_?hprc, z厄米矩阵填充矩阵的秩-1更新
    cblas_?hpr2c, z厄米矩阵填充矩阵的秩-2更新
    cblas_?sbmvs, d使用对称带矩阵的矩阵-向量积
    cblas_?spmvs, d,使用对称填充矩阵的矩阵-向量乘积
    cblas_i?sprs, d,对称填充矩阵的秩-1更新
    cblas_i?spr2s, d,对称填充矩阵的秩-2更新
    cblas_?symvs, d使用对称矩阵的矩阵-向量乘积
    cblas_?syrs, d对称矩阵的秩-1更新
    cblas_?syr2s, d对称矩阵的秩-2更新
    cblas_?tbmvs, d, c, z使用三角形带矩阵的矩阵-向量乘积
    cblas_?tbsvs, d, c, z一个具有三角带矩阵的线性方程组的解
    cblas_?tpmvs, d, c, z使用三角形填充矩阵的矩阵-向量乘积
    cblas_?tpsvs, d, c, z一个三角形填充矩阵的线性方程组的解
    cblas_?trmvs, d, c, z矩阵-向量乘积使用三角形矩阵
    cblas_?trsvs, d, c, z具有三角矩阵的线性方程组的解

  • BLAS 3级例程(矩阵-矩阵操作)

    BLAS级别3例程和函数组及其数据类型

    函数形式数据类型描述
    cblas_?gemms, d, c, z用一般矩阵计算矩阵-矩阵乘积
    cblas_?hemmc, z计算一个矩阵-矩阵乘积，其中一个输入矩阵是厄米矩阵。
    cblas_?herkc, z执行厄米特秩-k更新
    cblas_?her2kc, z执行厄米特秩2k更新
    cblas_?symms, d, c, z计算一个输入矩阵是对称的矩阵-矩阵乘积。。
    cblas_?syrks, d, c, z执行一个对称的秩-k更新
    cblas_?syr2ks, d, c, z执行一个对称的秩-2k更新。
    cblas_?trmms, d, c, z计算一个矩阵-矩阵乘积，其中一个输入矩阵是三角形的
    cblas_?trsms, d, c, z解一个三角矩阵方程。

  • 稀疏BLAS 1级例程(向量-向量操作)

    稀疏BLAS级别1例程和函数组及其数据类型

    函数形式数据类型描述
    cblas_?axpyis, d, c, z标量向量积加向量(例程)
    cblas_?dotis, d点积(函数)
    cblas_?dotcic, z共轭复数点积(函数)
    cblas_?dotuic, z复点积无共轭(函数)
    cblas_?gthrs, d, c, z收集全存储稀疏向量到压缩形式nz, x, indx(例程)
    cblas_?gthr2s, d, c, z将全存储稀疏向量收集为压缩形式，并将零分配给在全存储向量中收集的元素(例程)
    cblas_?rotis, d,吉文斯旋转(常规)
    cblas_?sctrs, d, c, z将矢量从压缩形式分散到全存储形式(例程)

  • 稀疏BLAS 2级和3级例程(矩阵向量和矩阵矩阵操作)

    简化的接口，从1开始的索引

    函数形式描述
    mkl_?csrqemv计算矩阵-稀疏一般矩阵CSR格式的向量积(3阵变差)
    mkl_?bsrqemv计算稀疏一般矩阵的BSR格式(3-数组变化)的矩阵-向量乘积
    mkl_?coogemv计算矩阵-向量乘积的稀疏一般矩阵在坐标格式
    mkl_?disgemv以对角线格式计算稀疏一般矩阵的矩阵-向量乘积
    mkl_?csrsymv计算一个CSR格式的稀疏对称矩阵的向量积(3阵变差)
    mkl_?bsrsymv计算一个BSR格式的稀疏对称矩阵的向量积(3阵变化)
    mkl_?coosymv计算矩阵-向量乘积的稀疏对称矩阵的坐标格式
    mkl_?diasymv计算对角格式的稀疏对称矩阵的矩阵-向量积
    mkl_?csrtrsvCSR格式稀疏矩阵的简化界面三角形求解器(3阵变化)
    mkl_?nsrtrsvBSR格式稀疏矩阵的简化界面三角形求解器(3-array variation)
    mkl_?cootrsv简化界面的三角形求解器，用于坐标格式的稀疏矩阵
    mkl_?diatrsv具有简化界面的对角稀疏矩阵三角形求解器

    简化接口，从零开始索引

    函数形式描述
    mkl_cspblas_?csrgemv计算基于零索引的稀疏通用矩阵CSR格式(3阵变化)的矩阵-向量乘积
    mkl_cspblas_?bsrgemv计算矩阵-向量乘积的稀疏一般矩阵在BSR格式(3数组变化)与零的索引
    mkl_cspblas_?coogemv计算矩阵-向量乘积的稀疏一般矩阵的坐标格式与零的索引
    mkl_cspblas_?csrsymv计算基于零索引的稀疏对称矩阵CSR格式(3阵变化)的矩阵-向量积
    mkl_cspblas_?bsrsymv计算基于零索引的稀疏对称矩阵的BSR格式(3数组变化)的矩阵-向量乘积
    mkl_cspblas_?coosymv计算矩阵-向量乘积的稀疏对称矩阵的坐标格式与零的索引
    mkl_cspblas_?csrtrsv具有简化界面的三角形求解器，用于具有零索引的CSR格式的稀疏矩阵(3数组变化)
    mkl_cspblas_?bsrtrsv简化接口的三角形求解器，用于零索引的BSR格式稀疏矩阵(3数组变化)
    mkl_cspblas_?cootrsv简化界面的三角形求解器，用于坐标格式的稀疏矩阵的零基索引

    典型的(常规的)接口，基于1和基于0的索引

    函数形式描述
    mkl_?csrmv计算矩阵-向量的乘积的稀疏矩阵CSR的格式
    mkl_?bsrmv计算矩阵-向量的乘积的稀疏矩阵BSR的格式
    mkl_?cscmv为稀疏矩阵计算矩阵-向量的乘积 CSC的格式
    mkl_?coomv计算矩阵-向量乘积的稀疏矩阵在坐标格式
    mkl_?csrsv求解线性方程组的一个稀疏矩阵CSR的格式
    mkl_?bsrsv求解线性方程组的一个稀疏矩阵BSR的格式
    mkl_?cscsv求解线性方程组的一个稀疏矩阵CSC的格式
    mkl_?coosv以坐标格式求解稀疏矩阵的线性方程组
    mkl_?csrmm计算一个稀疏矩阵的矩阵乘积CSR的格式
    mkl_?bsrmm计算一个稀疏矩阵的矩阵乘积BSR的格式
    mkl_?cscmm计算一个稀疏矩阵的矩阵乘积SC的格式
    mkl_?coomm计算一个稀疏矩阵的坐标格式的矩阵-矩阵乘积
    mkl_?csrsm以CSR格式求解稀疏矩阵的线性矩阵方程组
    mkl_?bsrsm用BSR格式求解稀疏矩阵的线性矩阵方程组
    mkl_?cscsm解决一个稀疏矩阵在CSC格式的线性矩阵方程组
    mkl_?coosm解一个线性矩阵方程组为一个稀疏矩阵的坐标格式

    典型的(常规的)接口，基于一的索引

    函数形式描述
    mkl_?diamv以对角线格式计算稀疏矩阵的矩阵-向量乘积
    mkl_?skymv计算矩阵-向量乘积的稀疏矩阵在天际线存储格式
    mkl_?diasv以对角格式求解稀疏矩阵的线性方程组
    mkl_?skysv解决一个线性方程组的稀疏矩阵在天际线格式
    mkl_?diamm计算对角格式的稀疏矩阵的矩阵乘积
    mkl_?skymm计算一个稀疏矩阵的天际线存储格式的矩阵-矩阵乘积
    mkl_?diasm以对角格式求解稀疏矩阵的线性矩阵方程组
    mkl_?skysm解决一个线性矩阵方程组的稀疏矩阵在天际线存储格式
    mkl_?dnscsr将未压缩的稀疏矩阵转换为CSR格式(3数组变化)，反之亦然
    mkl_?csrcoo将稀疏矩阵转换为CSR格式(3-数组变化)的坐标格式，反之亦然
    mkl_?csrbsr将稀疏矩阵CSR格式转换为BSR格式(3-数组变体)，反之亦然
    mkl_?csrcsc将稀疏矩阵CSR格式转换为CSC格式，反之亦然
    mkl_?csrdia将稀疏矩阵的CSR格式(3数组变化)转换为对角格式，反之亦然
    mkl_?csrsky将稀疏矩阵在CSR格式(3阵变化)转换为天空线格式，反之亦然
    mkl_?csradd计算两个稀疏矩阵的和存储在CSR格式(3数组变化)与基于1的索引
    mkl_?csrmultcsr计算存储的两个稀疏矩阵的乘积 CSR格式(3数组变化)与一个基础索引
    mkl_?csrmultd计算以CSR格式(3-array variation)存储的两个稀疏矩阵的乘积。结果存储在稠密矩阵中

  • BLAS-like扩展

    BLAS-like扩展例程和函数组及其数据类型

    函数形式描述数据类型
    cblas_? ?axpbys, d, c, z缩放两个向量，将它们添加到另一个向量中，并存储向量的结果(例程)
    cblas_?gem2vus, d两个矩阵向量乘积使用一般矩阵，实数数据
    cblas_?gem2vcc, z两个矩阵向量的乘积使用一般矩阵，复数数据
    cblas_?gemm3mc, z使用矩阵乘法计算一个标量-矩阵-矩阵乘积，并将结果添加到一个标量-矩阵乘积
    mkl_?imatcopys, d, c, z执行矩阵的缩放和就地转换/复制
    mkl_?omatcopys, d, c, z执行矩阵的缩放和错位转换/复制
    mkl_?omatcopy2s, d, c, z执行矩阵的两条带缩放和移位/复制
    mkl_?omatadds, d, c, z执行缩放和两个矩阵的和，包括它们的移位/复制
菜牙@c++
关注
专栏目录
pytorch底层矩阵运算：How to check if PyTorch or Numpy is using OpenBLAS or MKL? &线性代数库BLAS(cblas_gemm示例)
科研学习笔记！
08-14 428
检测pytorch使用哪种线性代数运算库（矩阵或矢量间线性代数）; BLAS, MKL, OpenBLAS及cblas_gemm矩阵运算代码.
C++线性运算库梳理及Win/Linux下编译小记
milkpku的博客
12-16 1670
由于笔者在学习工作中需要大量用到c++线性运算库进行科学计算，在配置环境的摸索过程中趟了不少坑，所以写下常用工具以及配置心得，以备日后查阅，也方便新来者快速上手。 主要包括 Eigen, Armadillo的介绍，SuiteSparse的介绍，BLAS/LAPACK的释义以及相关BLAS实现的汇总。
常用 blas 函数
aocandr8991的博客
08-02 359
Y=alpha * X +beta*Y template <> void caffe_cpu_axpby<float>(const int N, const float alpha, const float* X, const float beta, float* Y) { cblas_...
Intel MKL基础(4)MKL函数举例(BLAS and Sparse BLAS)
热门推荐
。。。。
11-26 1万+
MKL实现了BLAS和Spare BLAS和BLAS-like的函数。这部分函数主要分为以下部分： •BLAS Level 1 Routines (vector-vector operations)  •BLAS Level 2 Routines (matrix-vector operations)  •BLAS Level 3 Routines (matrix-matr
mkl_spblas 两个CSR稀疏矩阵乘积计算案例 fortran
最新发布
aprilNe的博客
08-15 381
mkl_spblas 两个CSR稀疏矩阵乘积计算案例 fortran 生成sparse格式
BLAS、OpenBLAS、ATLAS、MKL
顺其自然~专栏
02-11 6700
BLAS BLAS的全称是Basic Linear Algebra Subprograms，中文可以叫做基础线性代数子程序。它定义了一组应用程序接口（API）标准，是一系列初级操作的规范，如向量之间的乘法、矩阵之间的乘法等。许多数值计算软件库都实现了这一核心。 BALS是用Fortran语言开发的，Netlib实现了BLAS的这些API接口，得到的库也叫做BLAS。Netlib只是一般性地实现了基本功能，并没有对运算做过多的优化。 LAPACK LAPACK （linear algebra pack
MKL库性能对比（转载）
bodybo的专栏
01-14 4610
英特尔数学核心函数库(Intel Math Kernel Library,MKL)是一套经过高度优化和广泛线程化的数学例程，专为需要极致性能的科学、工程及金融等领域的应用而设计。核心数学函数包括BLAS、LAPACK、ScaLAPACK1、稀疏矩阵解算器、快速傅立叶转换、矢量数学及其它函数。通过限制线程数量、观察 dgemm 的性能变化，以下示例展示了线程如何影响性能。使用矩阵乘法(cblas_cgemm)为例来对比不同环境与配置的性能差距。1.2 使用嵌套循环(C)计算矩阵乘法。1.1 使用dgemm(
mkl各个类型sparse matrix store type
thefighteran的专栏
01-12 1565
csr：（表格里是1-based的，也就是index都加一）（红球球那个例子是0-based的） bsr：和csr一个意思，只不过是先把矩阵分成一个一个小方块。如本来6*6矩阵，按照2*2的block压缩，就变成3*3的矩阵，然后按照csr的方式存储“元素不全为0的block”。这样数据压缩率降低了些，但是rowIndex和columns的长度缩减很多。coo： 略dia： “元素不全为0的D
Intel_MKL 10.3_数学库介绍
06-12
Intel Math Kernel Library (Intel MKL) 10.3 是一款专为 Windows*、Linux* 和 MacOS X 平台设计的高性能计算数学库。这款旗舰级的数学库提供了高度优化且广泛并行化的数学例程，能够显著提升科学、工程和金融应用的...
从零到放弃之配置faster_rcnn所有过程
weixin_38740463的博客
08-09 847
配置： NVIDIA x86-64-390.48.run CUDA9.0.176_384.81_linux.run CUDNN9.0-linux-x64-v7.1.tgz       1.Nvidia 驱动正确安装过程 卸载掉原有驱动 sudo apt-get remove –purge nvidia* 如果使用的是 apt-get 安装可以使用这种方法卸载，如果使...
numpy安装常见问题汇总：一站式解决安装难题
NumPy（Numerical Python）是一个用于科学计算的Python库。它提供了一个多维数组对象，称为ndarray，以及用于处理这些数组的高级函数。NumPy广泛用于数据分析、机器学习、图像处理和科学计算等领域。 NumPy具有以下...
C语言 Mkl 矩阵乘法,使用MKL的Vector-Sparce矩阵乘法
weixin_26849971的博客
05-17 447
我有简单的Fortran代码，它将A = [1,1; 1,1]矩阵转换为CSR稀疏格式，然后将其乘以x =(100,200)作为向量，y = A * x。不幸的是，结果是奇怪的y =(200,200)，而它应该是y =(300,300)向量。感谢。program mainimplicit noneinclude 'mkl_spblas.fi'integer :: nzmax, nnz, job( ...
MKL学习——矩阵矩阵操作
风翼冰舟的博客
04-17 9185
前言前面介绍了BLAS Level 1中向量-向量操作，以及BLAS Level 2中矩阵-向量的操作，就剩下这一篇的BLAS Level 3中的矩阵-矩阵的操作了。对稀疏矩阵的操作以后等要用再看看。对基本的矩阵和向量运算的函数有所了解以后，就进行常用参数分析，以及实现了。所有函数概览 函数名称 缺失部分 描述 cblas_?gemm s,d,c,z 一般矩阵的矩阵-矩阵乘法
学习BLAS库 -- GEMV
cocoonyang的专栏
02-12 5757
函数语法: XGEMV( TRANS, M, N, ALPHA, A, LDA, X, INCX, BETA, Y, INCY)功能： matrix vector multiply BLAS level 2 functionC语言版(f2c)DGEMV源代码：/* -- translated by f2c (version 19940927). You must lin...
BLAS 与 Intel MKL 数学库
10-30 5474
Intel MKL（Math Kernel Library），提供了优化的数学计算函数。1. 主要内容 BLAS（level 1, 2, 3）和 LAPACK 线性代数程序：支持向量、向量-矩阵、矩阵-矩阵运算； 快速傅里叶变换（FFT）， 向量数学库（Vector Math Libray，VML），优化后的针对向量的数学操作程序；
深度学习工具1.4 Intel MKL或者BLAS安装
suplover的博客
06-19 1138
没有申请到Intel MKL的话，可以使用以下命令安装免费的ATLASsudo apt-get install libatlas-base-dev
Comparision between several algebra libraries
Proteus
07-04 873
比较OpenBLAS，Intel MKL和Eigen的矩阵相乘性能 发表于2014-03-14         对于机器学习的很多问题来说，计算的瓶颈往往在于大规模以及频繁的矩阵运算，主要在于以下两方面： (Dense/Sparse) Matrix – Vector product (Dense/Sparse) Matrix – Dense Matrix product
Intel MKL库使用指南
“Intel的官方MKL库手册，包含LAPACK等常用库的详细指南。” Intel Math Kernel Library (MKL) 是一个强大的数学计算库，主要用于优化在Intel处理器上运行的高性能计算应用。该库提供了各种数值计算和科学计算的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值