我一直在测试各种开源代码，用于解决C ++中的线性方程组。到目前为止，我发现最快的是犰狳，也使用了OPENblas包。要解决密集的线性NxN系统，其中N = 5000在我的系统上需要大约8.3秒，这真的很快（没有安装openblas，大约需要30秒）。
这种增加的一个原因是armadillo + openblas似乎能够使用多个线程。它运行在我的两个核心上，而没有openblas的armadillo只使用1.我有一个i7处理器，所以我想增加核心数量，并进一步测试。我正在使用ubuntu，所以我可以在终端中使用openblas文档：
导出OPENBLAS_NUM_THREADS = 4
但是，再次运行代码似乎并没有增加使用的内核数量或速度。我做错了什么，或者是使用犰狳的“解决（A，b）”命令的最大数量2？我无法在任何地方找到犰狳的源代码来查看。
顺便提一下，有人知道armadillo / openblas用于解决Ax = b（带并行性或其他东西的标准LU分解）的方法吗？谢谢！
编辑：实际上，当使用synaptic包管理器see here安装openblas时，陷入2的核心数似乎是一个错误。从源重新安装允许它检测我实际拥有的核心数（8）。现在我可以使用export OPENBLAS_NUM_THREADS = 4等来管理它。
答案 0 :(得分：3)
Armadillo不会阻止OpenBlas使用更多核心。 OpenBlas的当前实现可能只为某些操作选择2个核心。
您可以直接在downloadable包（它的开源），“include”文件夹中查看Armadillo的源代码。具体来说，看看文件“include / armadillo_bits / fn_solve.hpp”（其中包含用户可访问的 solve（）函数）和文件“include / armadillo_bits / auxlib_meat.hpp”（其中包含用于调用痛苦的Blas和Lapack函数的包装器和内务代码。）
如果您已在计算机上安装了Armadillo，请查看“/ usr / include / armadillo_bits”或“/ usr / local / include / armadillo_bits”。