MKL学习——矩阵向量操作

最新推荐文章于 2020-10-17 09:56:28 发布
最新推荐文章于 2020-10-17 09:56:28 发布
阅读量5.6k 收藏 15
点赞数 5
分类专栏： MKL数学库 文章标签： MKL c++

前言

前面介绍的BLAS Level 1是向量-向量的操作，而这里的BLAS Level 2主要还是对矩阵-向量之间的操作。命名规则与前面的一样，主要记住定义的是数据类型

s实数域，单精度
c复数域，单精度
d实数域，双精度
z复数域，双精度

也可结合起来，比如sc代表实数域和复数域的单精度类型，dz代表实数域和复数域的双精度类型。

所有函数概览

函数缺失部分描述
cblas_?gbmvs,d,c,z一般带状矩阵与向量的乘积
c_blas_?gemvs,d,c,z一般矩阵与向量的乘积
cblas_?gers,d一般矩阵的一阶更新
cblas_?gercc,z一般共轭矩阵的一阶更新
cblas_?genruc,z一般矩阵的一阶更新，非共轭
cblas_?hbmvc,zHermitian带状矩阵与向量的乘积
cblas_?hemvc,zHermitian矩阵与向量乘积
cblas_?herc,zHermitian矩阵的一阶更新
cblas_?her2c,zHermitian矩阵的二阶更新
cblas_?hpmvc,zHermitian压缩矩阵与向量的乘积
cblas_?hprc,zHermitian压缩矩阵的一阶更新
cblas_?hpr2c,zHermitian压缩矩阵的二阶更新
cblas_?sbmvs,d对称带状矩阵与向量之间的乘积
cblas_?spmvs,d对称压缩矩阵与向量的乘积
cblas_?sprs,d对称压缩矩阵的一阶更新
cblas_?spr2s,d对称压缩矩阵的二阶更新
cblas_?symvs,d对称矩阵与向量的乘积
cblas_?syrs,d对称矩阵的一阶更新
cblas_?syr2s,d对称矩阵的二阶更新
cblas_?tbmvs,d,c,z三角带状矩阵与向量的乘积
cblas_?tbsvs,d,c,z利用三角带状矩阵求解线性方程组
cblas_?tpmvs,d,c,z三角压缩矩阵与向量的乘积
cblas_?tpsvs,d,c,z利用三角压缩矩阵求解线性方程组
cblas_?trmvs,d,c,z三角矩阵与向量的乘积
cblas_?trsvs,d,c,z利用三角矩阵求解线性方程组

所有函数详情

cblas_?gbmv

  • 作用 : 一般带状矩阵与向量的乘积
  • 定义函数
void cblas_sgbmv (const CBLAS_LAYOUT Layout, const CBLAS_TRANSPOSE trans, const MKL_INT m, const MKL_INT n, const MKL_INT kl, const MKL_INT ku, const float alpha, const float *a, const MKL_INT lda, const float *x, const MKL_INT incx, const float beta, float *y, const MKL_INT incy);

void cblas_dgbmv (const CBLAS_LAYOUT Layout, const CBLAS_TRANSPOSE trans, const MKL_INT m, const MKL_INT n, const MKL_INT kl, const MKL_INT ku, const double alpha, const double *a, const MKL_INT lda, const double *x, const MKL_INT incx, const double beta, double *y, const MKL_INT incy);

void cblas_cgbmv (const CBLAS_LAYOUT Layout, const CBLAS_TRANSPOSE trans, const MKL_INT m, const MKL_INT n, const MKL_INT kl, const MKL_INT ku, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);

void cblas_zgbmv (const CBLAS_LAYOUT Layout, const CBLAS_TRANSPOSE trans, const MKL_INT m, const MKL_INT n, const MKL_INT kl, const MKL_INT ku, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);

  • 运算

    ?gbmv是矩阵-向量的乘法

    y:=α∗A∗x+β∗yy:=α∗A′∗x+β∗yy:=α∗conjg(A′)∗x+beta∗y

    其中 α,β 是标量， x,y 是向量， A 是m∗n的矩阵， kl 为次对角元(sub-diagonals)也就是 i=j−1 ; ku是超对角元(super-diagonals)也就是 i=j+1 。

  • 输入参数

    Layout : 二维数组是行优先还是列优先

    trans : 对输入矩阵的变换情况。 CblasNoTrans表示不转置，CblasTrans表示转置，CblasConjTrans表示共轭转置

    m : 矩阵的行数

    n : 矩阵的列数

    kl : 矩阵次对角元的个数

    ku : 矩阵超对角元的个数

    alpha : 标量

    a : 数组大小 lda∗n

    lda : 矩阵的引导维度，lda至少是 (kl+ku+1)

    x : 数组，当trans=CblasNoTrans的时候至少是 (1−(n−1)∗abs(incx)) ，其它情况是 (1+(m−1)∗abs(incx)) 。输入之前，数组x必须包含向量x

    incx : 索引增量

    beta : 标量

    y : 数组，当trans=CblasNoTrans的时候，至少是 (1+(m−1)∗abs(incy)) ，其它情况为 (1+(n−1)∗abs(incy)) 。

    incy : 索引增量

  • 输出参数 : y是更新后的向量

cblas_?gemv

  • 作用 : 一般矩阵与向量之间的乘法

  • 定义函数

    void cblas_sgemv (const CBLAS_LAYOUT Layout, const CBLAS_TRANSPOSE trans, const MKL_INT m, const MKL_INT n, const float alpha, const float *a, const MKL_INT lda, const float *x, const MKL_INT incx, const float beta, float *y, const MKL_INT incy);

void cblas_dgemv (const CBLAS_LAYOUT Layout, const CBLAS_TRANSPOSE trans, const MKL_INT m, const MKL_INT n, const double alpha, const double *a, const MKL_INT lda, const double *x, const MKL_INT incx, const double beta, double *y, const MKL_INT incy);

void cblas_cgemv (const CBLAS_LAYOUT Layout, const CBLAS_TRANSPOSE trans, const MKL_INT m, const MKL_INT n, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);

void cblas_zgemv (const CBLAS_LAYOUT Layout, const CBLAS_TRANSPOSE trans, const MKL_INT m, const MKL_INT n, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);

  • 运算

    y:=α∗A∗x+β∗yy:=α∗A′∗x+β∗yy:=α∗conjg(A′)∗x+β∗y

  • 输入参数

    Layout : 二维数组是行优先还是列优先

    trans : 对输入数据的三种变换trans=CblasNoTrans,CblasTrans,CblasConjTrans

    m : 矩阵A的行数

    n : 矩阵A的列数

    alpha : 标量

    a : 数组大小 lda∗k 。当Layout=CblasColMajor的时候， k=n ;当Layout=CblasRowMajor的时候， k=m

    lda : 数组a的引导维度。对于Layout=CblasColMajor的时候，lda至少是max(1,m)，当Layout=CblasRowMajor的时候，lda至少是max(1,n)

    x : 数组，当trans=CblasNoTrans至少是 (1+(n−1)∗abs(incx)) ,否则就至少为 (1+(m−1)∗abs(incx)) 。

    incx : 索引增量

    beta : 标量

    y : 数组，当trans=CblasNoTrans至少是 (1+(m−1)∗abs(incy)) ,否则就至少为 (1+(n−1)∗abs(incy)) 。

    incy : 索引增量

  • 输出 : 更新矩阵y

cblas_?ger

  • 作用: 矩阵的一阶更新

  • 定义函数

    void cblas_sger (const CBLAS_LAYOUT Layout, const MKL_INT m, const MKL_INT n, const float alpha, const float *x, const MKL_INT incx, const float *y, const MKL_INT incy, float *a, const MKL_INT lda);

void cblas_dger (const CBLAS_LAYOUT Layout, const MKL_INT m, const MKL_INT n, const double alpha, const double *x, const MKL_INT incx, const double *y, const MKL_INT incy, double *a, const MKL_INT lda);

  • 运算

    A:=α∗x∗y′+A

    其中 α 是标量， x 是m维的向量，y是n维的向量，A是一个m*n的一般矩阵

  • 输入参数

    Layout: 二维数组是行优先还是列优先

    m : 矩阵A的行数

    n : 矩阵A的列数

    alpha : 标量

    x : 数组，至少是 (1+(m−1)∗abs(incx)) 大小。

    incx : 索引增量

    y:数组，至少是 (1+(n−1)∗abs(incy)) 的大小

    incy : 索引增量

    a : 数组，大小为lda*k。对于Layout=CblasColMajor那么 k=n ；对于Layout=CblasRowMajor,那么 k−m

    lda : 引导维度。对于Layout=CblasColMajor，那么lda至少为 max(1,m) ；对于Layout=CblasRowMajor，那么lda至少为 max(1,n)

  • 输出 : a是更新矩阵

cblas_?gerc

  • 作用 : 一般矩阵的一阶更新(共轭的)

  • 定义函数

    void cblas_cgerc (const CBLAS_LAYOUT Layout, const MKL_INT m, const MKL_INT n, const void *alpha, const void *x, const MKL_INT incx, const void *y, const MKL_INT incy, void *a, const MKL_INT lda);

void cblas_zgerc (const CBLAS_LAYOUT Layout, const MKL_INT m, const MKL_INT n, const void *alpha, const void *x, const MKL_INT incx, const void *y, const MKL_INT incy, void *a, const MKL_INT lda);

  • 运算

    A:=α∗x∗conjg(y′)+A

    其中， α 是一个标量， x 是一个m维的向量，y是一个n维向量，A是一个 m∗n 的矩阵。

  • 输入参数:

    Layout : 指定行优先(CblasRowMajor)还是列优先(CblasColMajor)

    m : 矩阵的行

    n : 矩阵的列数

    alpha : 标量

    x : 数组，至少 (1+(m−1)∗abs(incx)) 大小

    incx : 索引增量

    y : 数组，至少为 (1+(n−1)∗abs(incy))

    incy : 索引增量

    a : 数组大小 lda∗k ,对于Layout=CblasColMajor, k=n ；对于Layout=CblasRowMajor, k=m

    lda : 指定引导维度。对于Layout=CblasColMajor，lda必须至少为 max(1,m) ，对于Layout=CblasRowMajor，lda必须是 max(1,n)

  • 输出 : a更新的矩阵

cblas_?geru

  • 作用 : 一般矩阵的一阶更新(非共轭)

  • 定义函数

    void cblas_cgeru (const CBLAS_LAYOUT Layout, const MKL_INT m, const MKL_INT n, const void *alpha, const void *x, const MKL_INT incx, const void *y, const MKL_INT incy, void *a, const MKL_INT lda);
void cblas_zgeru (const CBLAS_LAYOUT Layout, const MKL_INT m, const MKL_INT n, const void *alpha, const void *x, const MKL_INT incx, const void *y, const MKL_INT incy, void *a, const MKL_INT lda);

  • 运算

    A:=α∗x∗y′+A

    其中， x 是m维的向量，y是n维的向量， A 是m∗n的向量

  • 输入参数

    Layout : 指定二维数组的存储是行优先(CblasRowMajor)还是列优先(CblasColMajor)

    m : 矩阵A的行数

    n : 矩阵A的列数

    alpha : 标量

    x : 数组，至少 (1+(m−1)∗abs(incx))

    incx : 索引增量

    y : 数组，至少 (1+(n−1)∗abs(incy))

    incy : 索引增量

    a : 数组，大小为 lada∗k

    lda : 主要索引维度,对于Layout=CblasColMajor，lda的值至少为 max(1,m) ；对于Layout=CblasRowMajor,lda的值至少为 max(1,n)

  • 输出参数 : a更新完毕的矩阵

clbas_?hbmv

  • 作用 : 计算Hermitian带状矩阵与向量的乘法

  • 定义函数

    void cblas_chbmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const MKL_INT k, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);

void cblas_zhbmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const MKL_INT k, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);

  • 运算

    y:=α∗A∗x+β∗y

    其中 α 和 β 是标量， x,y 是n维向量， A 是n∗n的Hermitian带状矩阵，具有k个超对角元。

  • 输入参数

    Layout : 指定行优先(CblasRowMajor)还是列优先(CblasColMajor)

    uplo : 指定Hermitian带状矩阵的上三角或者下三角部分,如果uplo=CblasUpper，那么矩阵的上三角部分被使用；如果uplo=CblasLower，使用的就是下三角部分

    n : 矩阵的阶

    k : 如果uplo=CblasUpper,指定的是矩阵A的超对角元的个数；如果up=CblasLower，指定的就是矩阵的次对角元的个数

    alpha : 标量

    a : 数组，大小 lda∗n

    lda : 数组的引导维度，至少为 (k+1)

    x : 矩阵，至少为 (1+(n−1)∗abs(incx))

    incx : 索引增量

    beta : 标量

    y : 数组，至少为 (1+(n−1)∗abs(incy))

    incy : 索引增量

  • 输出 : y更新以后的向量

cblas_?hemv

  • 作用 : 使用Hermitian矩阵乘以向量
  • 定义函数
void cblas_chemv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);

void cblas_zhemv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);
  • 运算
    y:=α∗A∗x+β∗y

    其中， α 和 β 是标量, x,y 是n为向量，A是 n∗n 的Hermitian矩阵

cblas_?her

  • 作用 : Hermitian矩阵的一阶更新

  • 定义函数

    void cblas_chemv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);

void cblas_zhemv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);

  • 运算

    A:=α∗x∗conjg(x′)+A

    其中 α 和 β 是标量， x 是n维向量，A是n维Hermitian矩阵

cblas_?her2

  • 作用 : Hermitian矩阵的二阶更新

  • 定义函数

    void cblas_cher2 (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *x, const MKL_INT incx, const void *y, const MKL_INT incy, void *a, const MKL_INT lda);
void cblas_zher2 (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *x, const MKL_INT incx, const void *y, const MKL_INT incy, void *a, const MKL_INT lda);

  • 运算

    A:=α∗x∗conjg(y′)+conjg(α)∗y∗congj(x′)+A

    其中, α 是标量， x,y 是n维矩阵， A 是n∗n的Hermitian矩阵

cblas_?hpmv

  • 作用: 使用Hermitian计算矩阵-向量的乘积

  • 定义函数

    void cblas_chpmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *ap, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);
void cblas_zhpmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *ap, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);

  • 运算

    y:=α∗A∗x+β∗y

    其中， α,β 是标量， x,y 是n为向量， A 是一个n∗n的矩阵，使用压缩存储形式

cblas_?hpr

  • 作用 : Hermitian压缩矩阵的一阶更新

  • 定义函数

    void cblas_chpr (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const float alpha, const void *x, const MKL_INT incx, void *ap);

void cblas_zhpr (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const double alpha, const void *x, const MKL_INT incx, void *ap);

void cblas_chpr (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const float alpha, const void *x, const MKL_INT incx, void *ap);

void cblas_zhpr (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const double alpha, const void *x, const MKL_INT incx, void *ap);

  • 运算

    A:=α∗x∗conjg(x′)+A

    其中 α 是标量， x 是n为向量，A是Hermitian矩阵，提供的是压缩形式

cblas_?hpr2

  • 作用 : Hermitian压缩矩阵的二阶更新

  • 定义函数

    void cblas_chpr2 (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *x, const MKL_INT incx, const void *y, const MKL_INT incy, void *ap);

void cblas_zhpr2 (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *x, const MKL_INT incx, const void *y, const MKL_INT incy, void *ap);

  • 运算

    A:=α∗x∗conjg(y′)+conjg(α)∗y∗conjg(x′)+A

    其中， α 是标量， x,y 是n维向量, A 是n∗n的Hermitian矩阵，使用压缩存储方式

cblas_?sbmv

  • 作用 : 对称带状矩阵与向量的乘积

  • 定义函数

    void cblas_ssbmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const MKL_INT k, const float alpha, const float *a, const MKL_INT lda, const float *x, const MKL_INT incx, const float beta, float *y, const MKL_INT incy);

void cblas_dsbmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const MKL_INT k, const double alpha, const double *a, const MKL_INT lda, const double *x, const MKL_INT incx, const double beta, double *y, const MKL_INT incy);

  • 运算

    y:=α∗A∗x+β∗y

    其中 α 和 β 是标量, x,y 是n为向量， A 是n∗n的对称带状矩阵，具有k个对角元

cblas_?spmv

  • 作用:对称压缩矩阵与向量的乘积

  • 定义函数

    void cblas_sspmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const float alpha, const float *ap, const float *x, const MKL_INT incx, const float beta, float *y, const MKL_INT incy);

void cblas_dspmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const double alpha, const double *ap, const double *x, const MKL_INT incx, const double beta, double *y, const MKL_INT incy);

  • 运算

    y:=α∗A∗x+β∗y

    其中， α,β 是标量， x,y 是n维向量， A 是n∗n的对称矩阵，以压缩方式提供

cblas_?spr

  • 作用 : 对称压缩矩阵的一阶更新

  • 定义函数

    void cblas_sspr (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const float alpha, const float *x, const MKL_INT incx, float *ap);

void cblas_dspr (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const double alpha, const double *x, const MKL_INT incx, double *ap);

  • 运算

    a:=α∗x∗x′+A

    其中, α 是标量， x 是n维向量，A是n∗n维对称矩阵，提供的是压缩存储形式

cblas_?spr2

  • 作用 : 对称压缩矩阵的二阶更新

  • 定义函数

    void cblas_sspr2 (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const float alpha, const float *x, const MKL_INT incx, const float *y, const MKL_INT incy, float *ap);

void cblas_dspr2 (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const double alpha, const double *x, const MKL_INT incx, const double *y, const MKL_INT incy, double *ap);

  • 运算

    A:=α∗x∗y′+α∗y∗x′+A

    其中, α 是标量, x,y 是n维向量， A 是n∗n维对称矩阵，以压缩方式提供

cblas_?symv

  • 作用 : 计算对称矩阵与向量的乘积

  • 定义函数

    void cblas_ssymv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const float alpha, const float *a, const MKL_INT lda, const float *x, const MKL_INT incx, const float beta, float *y, const MKL_INT incy);

void cblas_dsymv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const double alpha, const double *a, const MKL_INT lda, const double *x, const MKL_INT incx, const double beta, double *y, const MKL_INT incy);

  • 运算

    y:=α∗A∗x+β∗y

    其中 α,β 是标量， x,y 是n维向量， A 是n∗n的对称矩阵

cblas_?syr

  • 作用 : 对称矩阵的一阶更新

  • 定义函数

    void cblas_ssyr (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const float alpha, const float *x, const MKL_INT incx, float *a, const MKL_INT lda);

void cblas_dsyr (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const double alpha, const double *x, const MKL_INT incx, double *a, const MKL_INT lda);

  • 运算

    A:=α∗x∗x′+A

    其中， α 是标量， x 是n维向量,A是$n*n的矩阵

cblas_?syr2

  • 作用 : 对称矩阵的二阶更新

  • 定义函数

    void cblas_ssyr2 (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const float alpha, const float *x, const MKL_INT incx, const float *y, const MKL_INT incy, float *a, const MKL_INT lda);

void cblas_dsyr2 (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const double alpha, const double *x, const MKL_INT incx, const double *y, const MKL_INT incy, double *a, const MKL_INT lda);

  • 运算

    A:=α∗x∗y′+α∗y∗x′+A

    其中, α 是标量， x,y 是n维向量， A 是n∗n的矩阵

cblas_?tbmv

  • 作用 : 使用三角带状矩阵，计算矩阵-向量乘积

  • 定义函数

    void cblas_stbmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const MKL_INT k, const float *a, const MKL_INT lda, float *x, const MKL_INT incx);

void cblas_dtbmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const MKL_INT k, const double *a, const MKL_INT lda, double *x, const MKL_INT incx);

void cblas_ctbmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const MKL_INT k, const void *a, const MKL_INT lda, void *x, const MKL_INT incx);

void cblas_ztbmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const MKL_INT k, const void *a, const MKL_INT lda, void *x, const MKL_INT incx);

  • 运算

    x:=A∗xx:=A′∗xx:=conjg(A′)∗x,

    其中， x 是n为向量，A是 n∗n 单位或者非单位，上三角或者下三角的带状矩阵，具有 (k+1) 对角元

cblas_?tbsv

  • 作用 : 解线性方程组，要求系数是三角带状矩阵

  • 定义函数

    void cblas_stbsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const MKL_INT k, const float *a, const MKL_INT lda, float *x, const MKL_INT incx);

void cblas_dtbsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const MKL_INT k, const double *a, const MKL_INT lda, double *x, const MKL_INT incx);

void cblas_ctbsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const MKL_INT k, const void *a, const MKL_INT lda, void *x, const MKL_INT incx);

void cblas_ztbsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const MKL_INT k, const void *a, const MKL_INT lda, void *x, const MKL_INT incx);

  • 运算

    A∗x=bA′∗x=bconjg(A′)∗x=b

    其中, b,x 是n维向量， A 是n∗n的单元或者非单元，上三角或者下三角带状矩阵，具有 (k+1) 个对角元

cblas_?tpmv

  • 作用 : 使用三角压缩矩阵计算矩阵-向量的乘积

  • 定义函数

    void cblas_stpmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const float *ap, float *x, const MKL_INT incx);

void cblas_dtpmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const double *ap, double *x, const MKL_INT incx);

void cblas_ctpmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const void *ap, void *x, const MKL_INT incx);

void cblas_ztpmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const void *ap, void *x, const MKL_INT incx);

  • 运算

    x:=A∗xx:=A′∗xx:=conjg(A′)∗x

    其中 x 是一个n维的向量，A是一个 n∗n 的单元或者非单元，上三角或者下三角，以压缩方式提供

cblas_?tpsv

  • 作用 : 解线性方程组，但是系数需要是三角压缩矩阵

  • 定义函数

    void cblas_stpsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const float *ap, float *x, const MKL_INT incx);

void cblas_dtpsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const double *ap, double *x, const MKL_INT incx);

void cblas_ctpsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const void *ap, void *x, const MKL_INT incx); 

void cblas_ztpsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const void *ap, void *x, const MKL_INT incx);

  • 运算

    A∗x=bA′∗x=bconjg(A′)∗x=b,

    其中， b,x 是n维向量， A 是n∗n的单位或者非单位，上三角或者下三角矩阵，提供压缩方式存储

cblas_?trmv

  • 作用 : 使用三角阵计算矩阵-向量的乘积

  • 定义函数

    void cblas_strmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const float *a, const MKL_INT lda, float *x, const MKL_INT incx);

void cblas_dtrmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const double *a, const MKL_INT lda, double *x, const MKL_INT incx);

void cblas_ctrmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const void *a, const MKL_INT lda, void *x, const MKL_INT incx);

void cblas_ztrmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const void *a, const MKL_INT lda, void *x, const MKL_INT incx);

  • 运算

    x:=A∗xx:=A′∗xx:=conjg(A′)∗x

    其中， x 是n维向量，A是 n∗n 维的单元或者非单元，下三角或者上三角矩阵

cblas_?trsv

  • 作用 : 解线性方程组，但是系数是三角矩阵

  • 定义函数

    void cblas_strsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const float *a, const MKL_INT lda, float *x, const MKL_INT incx);

void cblas_dtrsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const double *a, const MKL_INT lda, double *x, const MKL_INT incx);

void cblas_ctrsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const void *a, const MKL_INT lda, void *x, const MKL_INT incx);

void cblas_ztrsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const void *a, const MKL_INT lda, void *x, const MKL_INT incx);

  • 运算

    A∗x=bA′∗x=bconjg(A′)∗x=b,

    其中, b,x 是n维向量， A 是n∗n的单位或者非单位，上三角或者下三角矩阵

后续

后续对矩阵-矩阵的运算进行学习，然后就是对这里面很多参数和名词做一个了解，最后就是使用C++实现以下常用的运算了。

风翼冰舟
关注
  • 5
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
Intel MKL基础(3)MKL函数分类
。。。。
11-25 6871
参考：http://software.intel.com/sites/products/documentation/hpc/mkl/mklman/index.htm （1）函数分类： 根据MKL的手册可以知道，MKL函数主要分为以下几类（domains）： BLAS BLACS LAPACK ScaLAPACK  PBLAS Sparse Solver  Vector Math
MKL学习——向量操作
风翼冰舟的博客
04-13 1万+
前言推荐两个比较好的教程:BLAS (Basic Linear Algebra Subprograms) LAPACK for Windows命名规范BLAS基本线性代数子程序的函数命令都有一定规范，便于记忆<character> <name> <mod> ()character定义的是数据类型 s 实数域，单精度 c 复数域，单精度 d 实数域，双精度 z 复数域，双
MKL学习——矩阵矩阵操作
风翼冰舟的博客
04-17 9111
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
MKL学习——基本操作C++实现
热门推荐
风翼冰舟的博客
04-17 1万+
前言前面介绍了各种向量-向量，矩阵-向量，矩阵-矩阵的函数简介。根据自身目前状况，主要使用实数域的操作，也就是说关注单精度float类型的s和双精度double类型的d。还有就是用的基本都是全矩阵，没有经过压缩，也不是对称、三角、带状的某一种情况。所以主要还是总结一般的乘法、加法操作。【注】代码都以单精度float的情况书写，主要流程要记住，使用mkl_malloc申请内存，使用mkl_free释放
mkl
limengjuhanxin的专栏
01-21 805
转载https://blog.csdn.net/zb1165048017/article/details/70156844 命名规则 () character character 说明 s 实数域，单精度 c 复数域，双精度 d 实数域，双精度 z 复数域，双精度 name name 说明 dot 向量点乘 rot 向量旋转 swap 向量交...
BLAS之GEMM和GEMV
永远飞翔的鸟
10-17 7910
BLAS简介 BLAS全称是Basic Linear Algebra Subprograms是规定了一套低级的执行常见线性代数操作的规范。其实现经常针对特殊的机器进行优化，比较著名的·BLAS库有ACML, ATLAS, MKL, OpenBLAS。许多常见的数值软件均采用兼容BLAS规范的实现库来进行线性代数计算，比如Matlab, Numpy, Mathematica`。 其中，Level 1 BLAS主要提供向量操作 Level 2 BLAS提供矩阵向量操作（gemv) gemv
numpy-1.18.1+mkl-cp38-cp38-win_amd64.rar
02-06
与Python的内置列表相比，`ndarray`在进行数学运算时具有显著的性能优势，因为它支持向量化操作，即对整个数组执行相同的操作，而不是逐个元素处理。这对于大数据分析和科学计算至关重要，因为它们通常涉及大量数值...
numpy-1.22.4+mkl-cp39-cp39-win-amd64.zip
最新发布
11-25
numpy.linalg模块提供了矩阵运算和线性方程组求解等函数，如矩阵乘法、求逆、特征值和特征向量等。这对于数据分析、机器学习等领域非常关键。结合mkl的支持，这些操作将得到加速，提高计算效率。 在科学计算中，傅...
numpy-1.16.4-cp36-cp36m-win_amd64.zip
05-06
`numpy.linalg`模块包含了求解线性方程组、计算特征值和特征向量、矩阵的迹和行列式等函数。这对于物理、工程、数据科学等领域的人来说，是进行复杂计算的利器。 安装过程十分简单。这个压缩包内的文件`numpy-...
并行程序开发工具与高性能程序库_张林波_并行计算导论1
08-03
Level 2 处理向量与矩阵的运算，如矩阵-向量乘法。Level 3 处理矩阵与矩阵的运算，如矩阵乘法。在优化的 BLAS 实现中，通常 Level 3 的性能提升最为显著，因为矩阵乘法在许多科学计算中占据主导地位。 对于不同的...
OpenBLAS:OpenBLAS 是基于 GotoBLAS2 的优化 BLAS 库。-开源
08-10
OpenBLAS 是基于 GotoBLAS2 1.13 BSD 版本的优化 BLAS 库。
Python库 | numpy-1.21.2-cp39-cp39-win_amd64.whl
02-18
此外，Numpy还支持向量化计算，即用单个操作处理整个数组，这极大地提高了代码的运行效率。 最后，Numpy与Pandas、Scipy、Matplotlib等其他科学计算库配合使用，能构建出完整的数据分析和可视化流程。例如，Pandas...
AI移动端优化
春秋繁露
07-10 839
原文地址：https://zhuanlan.zhihu.com/p/65436463 一、前言 数学是科学的基础，一般涉及算法的项目拆分到底层也都是基本的科学计算：单个数字、数组、各种维度矩阵之间的操作。BLAS 是一个数学计算库的标准，定义了一套矩阵数组操作的API，例如: sgemm float矩阵乘法、sgemv float矩阵乘以数组… 诸如此类。 OpenBLAS 是BLAS标准的一种具...
【C++相关】一个从提高QPS引发的问题
Binbin_Sun的博客
11-09 445
一个从提高QPS引发的问题 业务背景： 人脸识别中有一个对计算量要求较高的操作，人脸比对操作；正常情况下人脸特征也是一组float类型特征值。常规进行比对当然是进行遍历，for循环走一遍；但是这个操作，在库比较小的时候，表现还行；当人脸库的量级上升到万级或是之上，那么单纯的for循环就无法满足了；这里能做的优化点是，将特征人脸库视作一个大的矩阵，待比对的人脸特征直接进行矩阵运算即可快速获得结果；...
C++矩阵乘法计算 || GPU && CPU 实现
春江水暖鸭先知
09-03 5037
废话 使用英伟达加速矩阵运算一般使用cublas库进行操作，在cublas库中，使用cublasSgemv()和cublasSgemm()分别进行矩阵向量间的乘法运算与矩阵矩阵间的乘法运算。本文将具体的解释上述两个函数的参数以及具体的应用例子。参照官方解释 矩阵乘法函数解释 仅仅使用单精度(float)进行解释，若想尝试双精度(double),可以进入官网查看相应函数. ...
INTEL MKL中的矩阵特征值和特征向量函数的调用和测试
付阳的BLOG
07-03 4676
     INTEL MKL(特尔数学核心函数库)面的函数都是进行高度优化的，速度很不错。这次调用和测试的关于求解矩阵特征值和特征向量的函数。在MKL中，求解矩阵特征值和特征向量的函数有好几个，这里调用和测试的是最常见的dsyev/ssyev和性能最好的dsyevr/ssyevr。(ssyev和ssyevr是对应float，dsyev和dsyevr是对应double)。ssyev(jobz,
MKL学习——线性代数概念相关
风翼冰舟的博客
04-17 2723
前言回顾一下BLAS Level 1 2 3中的运算都有什么类型 BLAS Level 1在BLAS Level 1中，进行的是向量-向量的操作。其中相关概念有向量类型: 实数域，复数域，共轭 运算操作: 元素求和，向量相加，向量拷贝，点乘，二范数(欧几里得范数)，向量绕点旋转，Givens旋转，改进Givens旋转，计算Givens旋转参数，标量与向量的乘积，向量交换，查找最大最小值，复数域向量的
matlab spdiags函数语法
一只鸟的想法
05-05 8681
matlab spdiags函数语法 一句话说明: Extract and create sparse band and diagonal matrices spdiags Extract and create sparse band and diagonal matrices Syntax B = spdiags(A) [B,d] = sp
mkl中dgeev求解矩阵的特征向量和特征值
xjieliu999的专栏
04-07 5456
如何使用mkl中dgeev求解矩阵的特征向量和特征值
使用mkl迭代求解稀疏矩阵
07-28
稀疏矩阵是指在其中绝大多数元素为零的矩阵。当需要对稀疏矩阵进行迭代求解时，可以使用MKL（Math Kernel Library）来提高计算效率。 MKL 是英特尔公司开发的数学核心库，其中包含了高效的线性代数函数库，可以加速矩阵运算和求解。使用 MKL 进行稀疏矩阵迭代求解的步骤如下： 1. 定义稀疏矩阵的数据结构：稀疏矩阵可以使用压缩稀疏列（CSC）格式来存储。CSC 格式将矩阵分为三个数组，分别存储非零元素的值、非零元素所在的行索引和每一列非零元素的起始索引。 2. 初始化 MKL 库：需要在代码中包含 MKL 头文件，并在程序中初始化 MKL 库。 3. 创建稀疏矩阵句柄：使用 MKL 提供的函数创建稀疏矩阵句柄，并将稀疏矩阵数据结构与句柄关联。 4. 设置求解参数：设置迭代求解的参数，例如迭代次数、收敛容差等。 5. 进行稀疏矩阵迭代求解：使用 MKL 提供的函数进行稀疏矩阵的迭代求解。MKL 可以选择多种迭代求解算法，并可根据需求选择适合的算法。 6. 获取求解结果：根据迭代求解的结果，获取稀疏矩阵的解，并进行后续的处理。 MKL 迭代求解稀疏矩阵的优势在于其高效的计算性能和丰富的迭代求解算法选择。使用 MKL 可以显著提高稀疏矩阵求解的速度和准确性，特别是在处理较大规模稀疏矩阵时，其优势更加明显。
评论 4
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