CUBLAS和MKL都是快速矩阵运算的工具 。 一个适用Intel的cpu,一个适用于nvidia的GPU。
最近在做RNN(循环神经网络)的加速。 其中一点就是把神经网络的矩阵运算放到CPU上算。所以就做了一点相关的测试。
以前我们实验室的RNN用的运算库是MKL 改到CUDA上加速之后,发现不仅没有加速,速度还变慢了!
一直以为是代码写错了。 查了好久才发现是因为 : mkl适合频繁小矩阵相乘 cuda适合不频繁大矩阵相乘
这是我做的测试:
cublas & mkl 速度小测试: (float) :
matrix_size:10; calc_times:10^7 | matrix_size:100; calc_times:1000000 | matrix_size:1000; calc_times:1000 | matrix_size:10000; calc_times:1 | matrix_size:30000; calc_times:1 | |
mkl | 5.231s | 26.73s | 7.089s | 7.088s | 2m20.647s |
cublas |