Question

我在我的机器上比较矩阵乘法，看起来c ++ blas非常慢。乘以1000x1000矩阵大约需要4秒钟，而python所需的时间大约为1.5秒。我认为链接可能有问题，但我真的不知道如何解决这些问题。这是c ++代码

    #include <stdio.h>
#include <iostream>
#include <time.h>
#include <gsl/gsl_blas.h>
#include <gsl/gsl_sf_bessel.h>
using namespace std;


double diffclock(clock_t clock1,clock_t clock2) { double diffticks=clock1-clock2; double diffms=(diffticks*1000)/CLOCKS_PER_SEC; return diffms; }




int
main (void)
{
  double* a=new double[1000*1000];

  double* b=new double[1000*1000];

  double* c=new double[1000*1000];

  for (int i=0;i<1000*1000;i++){
  a[i]=i;
  b[i]=i/5+i*i/100;}

  gsl_matrix_view A = gsl_matrix_view_array(a, 1000, 1000);
  gsl_matrix_view B = gsl_matrix_view_array(b, 1000, 1000);
  gsl_matrix_view C = gsl_matrix_view_array(c, 1000, 1000);

  /* Compute C = A B */
  cout<<"start"<<endl;
  clock_t begin=clock();

  gsl_blas_dgemm (CblasNoTrans, CblasNoTrans,
                  1.0, &A.matrix, &B.matrix,
                  0.0, &C.matrix);
  clock_t end=clock();
  cout<<double(diffclock(end,begin))<<endl;

  return 0;  
}

我正在编译使用 // g ++ -o program mm.cpp -I / home / gsl / include -lm -L / home / gsl / lib -lgsl -lgslcblas

python代码是

    import time
import numpy as np



n=1000
a=np.zeros((n,n))
b=np.zeros((n,n))
for i in range(0,n):
    for j in range(0,n):
        a[i,j]=i*n+j
        b[i,j]=(i*n+j)/5+(n*i+j)**2/5
print "start"
start=time.time()
c=np.dot(a,b)
end=time.time()
print end-start

感谢您的帮助！

Answer 1

BLAS中的子程序是事实上的标准，并且存在大量优化的和特定于供应商的库来实现接口。 numpy和gsl都可以链接到各种不同的BLAS（或者在某些情况下使用它们自己的实现），但是从这个角度看，numpy和gsl几乎都是包装器 - 你获得的性能基本上只依赖于他们联系在一起的BLAS。

使用GSL，与其他BLAS相关联起来相对容易。这里有一些说明：http://www.gnu.org/software/gsl/manual/html_node/Linking-with-an-alternative-BLAS-library.html

英特尔的MKL是一种通常非常快的BLAS（至少如果你没有AMD cpu），但是很难连接起来。他们甚至有一个Web应用程序来帮助您编写链接：http://software.intel.com/en-us/articles/intel-mkl-link-line-advisor。我在OpenBLAS（http://www.openblas.net/）上运气不错，在i7-3770K CPU上获得的性能在MKL的1％或2％之内。 OpenBLAS也很容易编译;它比ATLAS更令人头疼。

一旦你获得OpenBLAS，无论是从源代码编译还是从你的软件包管理器下载，如果你在* nix上，你的修改后的编译行基本上都是

g++ -o program mm.cpp -I/home/gsl/include -lm -L/home/gsl/lib -lgsl -lcblas -lopenblas

布拉斯似乎很慢

1 个答案: