【高性能计算】Cpp + Eigen + Intel MKL + 函数写成传引用

Dataloading...

已于 2023-12-15 16:53:05 修改

阅读量174

点赞数

文章标签：线性代数矩阵 c++

于 2023-12-14 15:47:16 首次发布

本文链接：https://blog.csdn.net/weixin_44708254/article/details/134997395

版权

本文介绍了如何结合Eigen库和Intel MKL在C++中加速线性代数计算。首先，文章展示了仅使用Eigen库时的计算时间，然后详细讲述了安装和配置Intel MKL的过程，包括在Ubuntu上安装MKL、设置环境变量以及通过cmake调用MKL库。通过这些步骤，成功地将计算时间提升了。文章还强调了配置过程中的一些关键点和注意事项，如编译选项的顺序。

摘要由CSDN通过智能技术生成

CUDA加速原理：CUDA编程学习：自定义Pytorch+cpp/cuda extension

高质量C++进阶[2]：如何让线性代数加速1000倍？

【gcc, cmake, eigen, opencv,ubuntu】三.eigen和mkl安装和使用

Linux下MKL库的安装部署与使用，并利用cmake编译器调用MKL库去提升eigen库的计算速度

Eigen库下使用MKL加速

MKL 的坑与教训

g++ main1.cpp -o test.o -I/opt/intel/mkl/include -I/opt/intel/mkl/lib/intel64 -I/opt/intel/lib/intel64 -lmkl_intel_lp64 -lmkl_core -lmkl_intel_thread -L/opt/intel/mkl/lib -I /opt/intel/compilers_and_libraries/linux/mkl/include -L /opt/intel/compilers_and_libraries/linux/mkl/lib -L /opt/intel/compilers_and_libraries/linux/lib -liomp5 -lpthread

Ubuntu上的编译测试花费我的时间远比MAC的尝试要多，其中经历了无数次的绝望，最后主要还是参考intel用户的issue中找到了蛛丝马迹，总结出了以上的编译方式。其中有的顺序是不可以搞错的，比如-liomp5 、-pthread，-liomp5必须在-pthread前，且最好后置，不能放在太前面。也许