Question

通常，为某个唯一操作定义BLAS子例程。例如，

DAXPY必须y <-- ax + y

DSCAL必须x = ax。

我希望实现的目标是：

z = ax+by和y = ax。

如何“扩展”BLAS的子程序，以便我可以执行上述操作？ （这些操作不一定相互关联）

我试过了：

声明一个假人，然后DCOPY将假人移动到所需的向量。比如，DCOPY(dummy,x); DSCAL(a,dummy),DCOPY(y,dummy)
创建我自己的OpenMP实现
使用DCOPY(y,a*x)等技巧获取y = ax

但问题是，这些方法似乎都没有给我一个确定的答案，因为这是解决这个问题的最佳方法。我知道我应该“配置文件，配置文件，配置文件”，而不是问我，但我已经尝试了所有这些，但每次我改变矢量一点，早期最好的方法突然变得最差，反之亦然。

此外，

我的目的是为了实现最佳表现。
我知道优化这些操作可能不会给我带来很大的性能提升，但我正在努力保存每一皮秒。
FWIW，我正在链接到英特尔MKL

Answer 1

首先，在您对y＆lt; - a x的解释中，您可以使用DCOPY（y，x）删除一次过多的复制; DSCAL（A，Y）。

其次，OpenMP恕我直言不是这类问题的解决方案，因为它们是“内存限制”。惩罚在于通过计算和向量化来管理存储器访问，其通过使用向量存储器访问来使用更多带宽。由于（分支预测，缓存策略，寄存器文件配置等），手动调整的代码应该非常复杂。您需要像R. Clint Whaley的Atlas库那样自动生成特定平台的优化操作实现。 AFAIK，有BLAST标准（2001），也许你会发现你提出的操作的类似变体。您可能需要通过电子邮件将这些操作添加到自动调整器中。

作为一个起点，我建议你使用z = ax + by的以下实现。在这种情况下，无论如何都会写z，如果x和y是只读的，你可以使用： DCOPY（Z，Y）; DSCAL（B，Z）; DAXPY（a，x，z）;

您还可以阅读有关ATLAS项目的文章，其中包含有关代码优化关键方面的主要考虑因素（madd操作的存在，缓存特性，寄存器文件配置，指令延迟等）并尝试编写某些内容就像你的操作的代码生成器一样，管道执行各种操作并在各种变体之间执行搜索。

这是一个有趣的话题，我一直在使用显式管理的内存层次结构的异构多核架构上实现BLAS，就像Cell处理器一样。祝你好运！希望我的回答很有用！

Answer 2

由于您使用的是MKL，因此可以使用扩展名为DAXPBY的y <-- ax + by。然后您的操作将成为：

`z = ax + by`: DCOPY(n,z,1,y,1), then DAXPBY(n,a,x,1,b,z,1)
`y = ax`: DAXPBY(n,a,x,1,0,y,1)

您也可以尝试让编译器矢量化简单的标量代码;从理论上讲，这些简单的操作应该适合自动矢量化（当然，在实践中......）

Answer 3

我建议您使用Fortran 95数组表示法编写自己的例程，看看编译器是否能够生成合适的代码。我怀疑它会，因为带宽有限的操作几乎被天真的实现最大化，即由大师编写的优化BLAS1库实现可能不会比未经优化的Netlib BLAS1快得多，除非数据已经驻留在缓存中（其中案例，矢量化会产生一些影响。）

我在过去进行了这样的比较，发现对于任何不在缓存中的向量，优化和未优化的BLAS1样式例程之间的差异可以忽略不计。

你如何“扩展”BLAS子程序？

3 个答案: