我正在探索线性代数的Armadillo C ++库。据我所知，它使用LAPACK / BLAS库进行基本矩阵运算（例如矩阵乘法）。作为Windows用户，我从这里下载了LAPACK / BLAS：http://icl.cs.utk.edu/lapack-for-windows/lapack/#running。问题是矩阵乘法与Matlab甚至R相比都很慢。例如，Matlab在我的计算机上在~0.15秒内将两个1000x1000矩阵相乘，R需要约1秒，而C ++ / Armadillo / LAPACK / BLAS需要10个以上那个秒。
因此，Matlab基于高度优化的线性代数库。我的问题是，是否存在从Armadillo使用更快的LAPACK / BLAS brary？或者，有没有办法以某种方式提取Matlab线性代数库并在C ++中使用它们？
答案 0 :(得分：13)
LAPACK不进行矩阵乘法。它是提供矩阵乘法的BLAS。
如果您有64位操作系统，我建议您首先尝试64位版本的BLAS。这将使您的表现立即翻倍。
其次，看一下BLAS的高性能实现，例如OpenBLAS。 OpenBLAS使用矢量化和并行化（即多核）。这是一个免费（免费）的开源项目。
Matlab内部使用Intel MKL库，您也可以将其用于Armadillo library。英特尔MKL是封闭源代码，但可以免费用于非商业用途。请注意，OpenBLAS可以获得与英特尔MKL相当或更好的矩阵乘法性能。
请注意，在Linux和Mac OS X上，高性能线性代数通常比在Windows上更容易实现。
答案 1 :(得分：4)
除了已经说过的内容之外，还应该使用高级优化：
请务必使用 O2 或 O3 编译器标记。
链接到上述高性能（可能还有多线程） BLAS库。 AFAIK MKL只能在Unix平台上免费使用，如果你在windows中使用像cygwin这样的Linux盒子，那我觉得应该没问题。 OpenBLAS也是多线程的。
在许多库中，设置符号 NDEBUG （例如，传递编译器标志-DNDEBUG）会关闭代价高昂的范围检查和断言。 Armadillo有自己的符号，称为 ARMA_NO_DEBUG ，您可以手动设置，也可以编辑config.hpp头文件（位于armadillo include目录中）并取消注释相应的行。我猜是因为你能够在犰狳中打开外部BLAS使用，你应该熟悉这个配置文件......
我在我的intel core-i7工作站上对armadillo / MKL_BLAS和Matlab进行了快速比较。对于C ++ exe，我使用-O3，MKL BLAS并定义了ARMA_NO_DEBUG。我将1000x1000个随机矩阵乘以100次，并对乘法时间求平均值。 C ++实现大约是matlab的1.5倍。
希望这有帮助
答案 2 :(得分：1)
有没有办法以某种方式提取Matlab线性代数库并在C ++中使用它们？是的，对于C ++调用matlab函数，请参考以下链接：How to Call Matlab Functions from C++
答案 3 :(得分：0)
线性代数的几个C ++ lib提供了一种与高度优化的lib链接的简便方法。
查看http://software.intel.com/en-us/articles/intelr-mkl-and-c-template-libraries
您应该能够将Armadillo与MKL联系起来以获得更高的性能，但这是一个商业套餐，