个人中心
文章发布
退出
作者热门文章
- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时，我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
24
4
我发现使用 BLAS/ATLAS/MKL/OPENBLAS 之一会提高 R 的速度。但是，它是否仍会改进用 C 或 C++ 编写的 R 包？例如，R 包 Glmnet 是用 FORTRAN 实现的，R 包 rpart 是用 C++ 实现的。仅安装 BLAS/...等会缩短执行时间吗？还是我们必须重建(构建新的 C 代码)基于 BLAS/...等的包？
最佳答案
人们经常说，包括在这里的评论中，“您必须重新编译 R”才能使用不同的 BLAS 或 LAPACK 库。这是错误的。
如果 R 是针对 BLAS 和 LAPACK 的共享库版本构建的，那么您不必重新编译。
我有一个 package and vignette on CRAN它利用这一事实提供了一个基准测试框架，其中不同的 BLAS 和 LAPACK 版本通过安装不同的版本(Debian/Ubuntu 中的一个命令)并运行基准测试来对每个版本进行计时——这非常简单，可以在一个包中自动化比如这个。
该包中的结果将提供可能的速度差异的概念。它们的具体结果取决于您的计算机、您的数据(大小)、您的问题等。但是，如果您的问题使用 LAPACK 函数，这些函数可以从多线程运行中受益，那么安装 OpenBLAS 可能会有所帮助。对于任何使用 LAPACK 的 R 包都是如此，因为它们将使用通过 are 访问的相同 LAPACK 安装，并且这些可以更改。
关于r - 安装 BLAS/ATLAS/MKL/OPENBLAS 是否会加速用 C/C++ 编写的 R 包？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/38555559/
24
4
0
我正在尝试将 MKL 稀疏 BLAS 用于 CSR 矩阵，行数/列数约为 100M。当我将其增加到 100M 时，我的源代码似乎适用于 10M 行/列，但由于段错误而失败。 我将问题隔离到以下代码片段
我在 BLAS.scala 中找到了以下代码: // For level-1 routines, we use Java implementation. private def f2jBLAS: Ne
我最近从 Linux 切换到 Mac OS。我需要 BLAS 和 LAPACK 来做一些计算。通过查看 BLAS 的维基百科，我了解到这两个库已经在 Mac OS 中实现。不过，据说 Apple's
全部， 总结... 我正在尝试编译 example.cpp arma.sourceforge.net/docs.html#example_prog 我尝试用 lapack 和 blas 编译和链接 A
谁能告诉我为什么我可以不成功测试 OpenBLAS dgemm通过以下方式在 R 中性能(在 GFLOP 中)？ 将 R 与“引用 BLAS”链接起来 libblas.so 编译我的 C 程序 mmp
有某些BLAS例程将向量X的增量即incX作为参数。 我找不到增量，以及增量如何影响计算结果。 任何人都可以提供示例或任何其他类型的信息吗？ 更新: 我在这里找到了最好的信息: Intel HPC m
在 BLAS 中有这样的例程 dscal scale a vector by a constant dinit initialize a vector with given value
对于 BLAS 函数 sdot (n, x, incx, y, incy)。 incx 指定 x 元素的增量。 参数incx和incy是什么意思？ 最佳答案 sdot (n, x, incx, y,
我必须以 A'A 的形式计算一些产品或更一般的 A'DA ，其中 A是将军mxn矩阵和 D是对角线 mxm矩阵。他们都是满级；即 rank(A)=min(m,n) . 我知道你可以节省大量时间是这样的
是否有比较不同 BLAS(基本线性代数子程序)库的基准？我对单核和多核系统的稀疏矩阵乘法特别感兴趣？ 最佳答案 BLAS 性能在很大程度上取决于系统，因此您最好在要使用的机器上自己进行基准测试。由于只
因此，关于通过汇编代码提高性能的问题的答案通常是“别打扰，编译器比你更聪明”。我明白了。 但是，我注意到优化的线性代数库(例如 ACML)可以实现比标准编译库高 2 到 5 倍的性能改进。例如，在我的
当我使用spark mllib多层感知器模型来预测 vector 时，我发现同一 vector 在多线程中有时会给出不同的结果。我阅读了源代码，发现它是基于BLAS lib的。我为BLAS在多线程中编
我正在尝试用 C 语言编译一个程序，该程序使用线性代数的 BLAS 接口(interface)。该系统在 /usr/lib64/libblas.* 中具有 BLAS 库(.a 和 .so 文件)但没有
我在我的机器上比较矩阵乘法，似乎 c++ blas 非常慢。一个1000x1000的矩阵相乘大约需要4秒，而在python中同样需要1.5秒左右。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。
我开始使用 C++(特别是英特尔 MKL)中的 BLAS 函数来创建我的一些旧 Matlab 代码的更快版本。 到目前为止它运行良好，但我无法弄清楚如何对 2 个矩阵(Matlab 中的 A.* B)
出于好奇，我决定对我自己的矩阵乘法函数与 BLAS 实现进行基准测试......我对结果最不感到惊讶: Custom Implementation, 10 trials of 1000x1000 ma
我在 Fortran 77 中整理了一些科学代码，我正在争论什么会更快。 基本上，我有一个 MxN 矩阵，我们称之为 A。M 大于 N。稍后在代码中，我需要将 transpose(A) 乘以一堆向量。
BLAS(基本线性代数子程序)提供了许多其他编程语言，比如我使用的 Matlab，以及快速例程来执行矩阵乘法等操作。 然而，当将多个矩阵相乘时，有一个最佳顺序来“括号”矩阵。取自 wikipedia
我想知道 NVIDIA 的 cuBLAS 库。有没有人有这方面的经验？例如，如果我使用 BLAS 编写一个 C 程序，我是否能够用对 cuBLAS 的调用替换对 BLAS 的调用？或者甚至更好地实现一
BLAS 定义了 GEMV(矩阵向量乘法)2 级运算。如何使用 BLAS 库执行向量矩阵乘法？ 这可能很明显，但我不知道如何使用 BLAS 运算进行乘法运算。我本来希望进行 GEVM 操作。 最佳答案
我是一名优秀的程序员,十分优秀！