使用 BLAS 的整数类型的矩阵乘法
使用 BLAS 的整数类型的矩阵乘法是一种计算机算法，用于在计算机上高效地执行矩阵乘法。BLAS 是 Basic Linear Algebra Subprograms 的缩写，是一组用于执行基本线性代数运算的库函数。
在整数类型的矩阵乘法中，矩阵中的每个元素都是整数，而不是浮点数。这种类型的矩阵乘法通常用于密集计算和机器学习等领域，因为它们可以提高计算效率和节省内存空间。
BLAS 提供了一系列用于执行矩阵乘法的函数，例如 SGEMM、DGEMM、CGEMM 和 ZGEMM，分别用于单精度、双精度、复数和双复数类型的矩阵乘法。这些函数可以在多种编程语言中使用，例如 C、C++、Fortran 和 Python。
在云计算领域，腾讯云提供了一系列的计算产品，例如云服务器、云数据库、容器服务、虚拟机等，可以用于执行矩阵乘法等密集计算任务。腾讯云还提供了一些机器学习和人工智能的产品，例如 TKE 和 TensorFlow，可以用于执行更复杂的计算任务。
总之，使用 BLAS 的整数类型的矩阵乘法是一种高效的计算方法，可以用于密集计算和机器学习等领域。在云计算领域，腾讯云提供了一系列的计算产品，可以用于执行矩阵乘法等密集计算任务。
相关·内容
1回答
有没有办法将对称矩阵与密矩阵相乘(并利用我们有对称矩阵的事实)？我知道BLAS中的DSYMM例程，但是我所处理的矩阵是mat类型的(它们不是数组)，所以我想知道从BLAS中使用DSYMM例程是否有什么东西。我在墨鱼文件里找不到任何东西。
浏览 0提问于2018-05-24得票数 0
回答已采纳
2回答
需要稀疏矩阵库
、、
是否有复制密集BLAS功能的稀疏矩阵库？
我至少想要：
有效的SYR和SYRK (秩-k更新)，具有稀疏的输入(和可能的密集输出)，
稀疏对称存储的选项，
点，NRM2，转置和其他标准的好东西。
但是，命名和API不需要以BLAS为中心，只要它完成了工作。C或Fortran优先，但C++也可以。
我查看了、、和，但是他们要么不支持我所需要的，要么我就不知道他们是否支持。
浏览 0提问于2011-08-04得票数 2
A是MxK矩阵，B是大小为K的向量，C是KxN矩阵。我应该使用哪组BLAS运算符来计算下面的矩阵？
M = A*diag(B)*C
实现这一点的一种方法是使用三个for循环，如下所示
for (int i=0; i<M; ++i)
for (int j=0; j<N; ++j)
for (int k=0; k<K; ++k)
M(i,j) = A(i,k)*B(k)*C(k,j);
为了获得更好的速度效率，在BLAS中实现这一点真的值得吗？
浏览 0提问于2010-08-23得票数 5
回答已采纳
目前，我正在探索用于线性代数的Armadillo C++库。据我所知，它使用LAPACK/BLAS库进行基本的矩阵运算(例如矩阵乘法)。作为Windows用户，我从这里下载了LAPACK/BLAS：。问题是，与Matlab甚至R相比，矩阵乘法非常慢。例如，在我的计算机上，Matlab在~0.15秒内将两个1000x1000矩阵相乘，R需要~1秒，而C++/Armadillo/LAPACK/BLAS需要10秒以上。
因此，Matlab基于高度优化的线性代数库。我的问题是，是否有更快的LAPACK/BLAS库可以使用Armadillo？或者，有没有办法提取Matlab线性代数库并在C++中使用它们
浏览 0提问于2013-07-14得票数 7
回答已采纳
1回答
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？
这可能是显而易见的，但我不知道如何使用BLAS运算来实现这个乘法。我本以为会有一个GEVM操作。
浏览 0提问于2015-04-06得票数 7
回答已采纳
1回答
我正在寻找一个用fortran 90/95处理稀疏矩阵的库。我只需要非常基本的运算，比如矩阵向量乘法。你建议我用什么？
我已经搜索过了，一个分机号(？)BLAS称为“稀疏blas"，记录在blast技术论坛规范的第3章中：
，
看起来很理想。根据该文档，库应该有一个fortran 95接口。但是，我在任何我能够下载的地方都找不到这个规范的实际实现。我得到的印象是fortran 95稀疏blas规范并没有真正在任何地方实现？不管怎样，它不是开源的。
我还发现了一个名为sparsekit的库：
有没有人用过这两个库中的任何一个，或者fortran 90/95的其他稀疏矩阵库？我想要关于使
浏览 0提问于2012-09-08得票数 16
回答已采纳
3回答
为什么BLAS有一个用于矩阵-矩阵乘法的gemm函数和一个用于矩阵-向量乘法的单独的gemv函数？矩阵-向量乘法不只是矩阵-矩阵乘法的特例，其中一个矩阵只有一行/列吗？
浏览 3提问于2011-08-16得票数 24
回答已采纳
1回答
我有一个矩阵，它被分配给变量a。
矩阵的大小小于112* 92 uint8>。
因此，我运行了以下代码
b = a'; c = b .*a;
但是，据说维数不匹配，我无法解决原因。
浏览 2提问于2014-03-05得票数 0
回答已采纳
1回答
带python的线性代数的性能
、、、、
不同语言和相关问题的基准在互联网上随处可见。但是，我仍然不知道是否应该在我的程序中切换到C。
基本上，在我的程序中最耗时的部分涉及到大量的矩阵逆和矩阵乘法。我有几个计划：
坚持不放。
在LAPACK/BLAS中使用C。
重写我的python程序，将最耗时的部分转换为C，然后使用python调用C。
我知道numpy只是被LAPACK/BLAS包裹的东西。那么，2或3会比1快很多(500%)吗？
浏览 4提问于2015-12-07得票数 1
回答已采纳
我正在考虑用Intel进行一些计算，特别是Fortran中程序的矩阵向量稀疏BLAS函数。
我可以用矩阵来表示我的计算，这些矩阵恰好是稀疏的和斜对称的。
据我所见，稀疏BLAS对于一般矩阵和对称矩阵都有稀疏函数，所以我想知道是否有一种方法来处理稀疏的斜对称矩阵，因为我认为它会减少内存占用。
浏览 16提问于2022-07-01得票数 1
回答已采纳
所以我试图帮助另一个So用户，在这个过程中，我不能创建一个Cython程序来在NumPy之外做一些简单的事情，这迫使我使用GIL。因此，这使得使用OpenMP (多核)变得不可能。然后我发现了一个有趣的帖子，而你可以从SciPy直接将Fortran库导入到Cython代码(BLAS，LAPACK)中，这些代码与NumPy一起安装，在我的例子中是Intel MKL的等效函数。我所要做的就是简单地将2个向量乘以1000x1维，再将另一个向量转置，得到一个1000x1000矩阵。但是我找不到相关的Fortran例程(相当于NumPy乘法)来完成这项工作。所有的例程似乎都是做矩阵乘法。所以现在SciP
浏览 1提问于2017-06-20得票数 2
2回答
我正试图在Julia中做一些矩阵乘法，将其与numpy的矩阵相乘。
我的朱莉娅代码如下：
function myFunc()
A = randn(10000, 10000)
B = randn(10000, 10000)
return A*B
end
myFunc()
python版本是：
A = np.random.rand(10000,10000)
B = np.random.rand(10000,10000)
A*B
Python版本需要100 to以下的时间才能执行。朱莉娅版本超过13s!！考虑到他们在引擎盖下使用几乎相同的BLAS技术，朱莉娅版本的问题是什么？！
浏览 4提问于2015-12-11得票数 2
回答已采纳
2回答
假设我有两个矩阵(以通用Lisp数组的形式) foo和bar，这样：
(defvar foo #2A((2 1 6) (7 3 4)))
(defvar bar #2A((3 1) (6 5) (2 3)))
我想使用BLAS执行矩阵乘法，而不使用诸如Matlisp、GSLL、LLA & co之类的包装器。所以我得到了一个数组，结果是：
#2A((24 25) (47 34))
我应该采取哪些步骤来进行这样的手术？
我的理解是，我应该从REPL调用BLAS矩阵乘法函数，并将我的参数foo和bar传递给它。
在R中，我可以很容易地做到这样：
foo %*% bar
我怎样才能在普通的Li
浏览 5提问于2015-04-23得票数 2
回答已采纳
1回答
如何使用Blas将实数矩阵与复数向量相乘？当我使用像ccsrgemv()这样的函数时，我得到了类型不匹配的错误？
error: argument of type "float *" is incompatible with parameter of type "std::complex<float> *"
浏览 0提问于2011-10-01得票数 6
回答已采纳
4回答
我试图计算以下内容：
Y= Y0 -( Un.(A*Y0) + Vn.(Y0*Z) )*dt
以最快/最有效的方式，在Y0，Un，Vn，A，和Z都是按300×300的阶表示的矩阵，“。是矩阵点乘积，"*“表示矩阵乘法。
我的问题是：
计算独立于计算的子矩阵A2 = A*Y0和Z2 = Y0*Z，那么Un2 = Un.*A2和Vn2 = Vn.*Z2比串行计算它们的速度更快，以至于Y= Y0 - (Un2 + Vn2)*dt？如果是这样的话，如何进行并行计算的一个好例子是什么？
是否还有其他更好的/推荐的方法(例如，使用ATLAS)？
该语言是C++，它将运行在具有多核(
浏览 4提问于2011-03-24得票数 2
回答已采纳
1回答
我想把矩阵A的子集乘以另一个矩阵，使用dgemm或任何其他的lapack/blas函数。我认为，由于子矩阵的元素可能不是连续的，所以如果不将子矩阵复制到另一个空间，就不能直接使用dgemm。所以，当这个子矩阵本身很大的时候，它可能是非常低效的，因为我认为我最好用C来写这个特定问题的乘法代码，因为复制然后使用翻版/blas本身，可能是没有效率的。我正在使用lapack/blas在matlab作为一个mex文件。
我的问题是
2.如果没有，那么直接编写乘法代码更好，还是将子矩阵复制到另一个矩阵并使用dgemm更好？
浏览 2提问于2017-09-26得票数 4
回答已采纳
3回答
我试图在Python中实现大量的矩阵-矩阵乘法。最初，我假设NumPy会自动使用我的线程BLAS库，因为我是根据这些库构建的。但是，当我查看或其他东西时，代码似乎根本不使用线程。
有什么想法吗?有什么问题，或者我能做些什么来轻松地使用BLAS的性能？
浏览 2提问于2011-03-10得票数 50
回答已采纳
我已经阅读了很多关于矩阵向量乘法( )和矩阵矩阵乘法(BLAS3)性能优化的文章。我想考虑这些优化是否/如何适用于O(n^2)和O(n^3)算法，这些算法不能清晰地简化为稠密或稀疏线性代数。
很容易找到NP-完全算法或NP-硬算法的列表，但我还没有找到常见的(和不那么常见的)多项式时间算法的分类。有人能给出一组多项式时间问题，其中最著名的算法是O(n^2)或O(n^3)吗？
编辑:为了使这更具体，我正在寻找类似的东西，但是用n^2或n^3算法代替多项式问题。
浏览 0提问于2012-09-18得票数 1
回答已采纳
3回答
我在MATLAB中设置了两个相同的测试&关于广播矩阵乘法的Python。对于Python，我使用了NumPy，对于MATLAB，我使用了使用BLAS的库。
MATLAB
close all; clear;
N = 1000 + 100; % a few initial runs to be trimmed off at the end
a = 100;
b = 30;
c = 40;
d = 50;
A = rand(b, c, a);
B = rand(c, d, a);
C = zeros(b, d, a);
times = zeros(1, N);
for ii = 1:N
浏览 0提问于2018-10-17得票数 3
回答已采纳
2回答
是否有用于整型的等价物(来自BLAS)？我只知道双精度/单精度矩阵的dgemm，sgemm，但我希望它适用于整数类型的矩阵，如int (或简称int...)。
注意:我不是在寻找一个涉及到转换为浮点/双精度的解决方案，而是在寻找一个快速的库实现。
同样，同样的问题也适用于dgemms (使用strassen算法)。
浏览 3提问于2009-12-02得票数 5
7回答
出于好奇，我决定用我自己的矩阵乘法函数和BLAS实现比较.我对这个结果一点也不感到惊讶：
自定义实现，10次试用1000x1000矩阵乘法：
时间: 15.76542秒。
BLAS实现，1000x1000矩阵乘法的10次试验：
时间: 1.32432秒。
这是使用单精度浮点数。
我的实施：
template<class ValT>
void mmult(const ValT* A, int ADim1, int ADim2, const ValT* B, int BDim1, int BDim2, ValT* C)
{
if ( ADim2!=BDim1 )
浏览 7提问于2009-08-19得票数 136
回答已采纳
我的问题是关于Java与编译代码的性能，例如C++/fortran/程序集在高性能的数值应用程序中。我知道这是一个有争议的话题，但我正在寻找具体的答案/例子。还有社区维基。我以前也问过类似的问题，但我想我说得很宽泛，没有得到我想要的答案。
双精度矩阵乘法(在blas库中通常称为dgemm )能够达到几乎100 %的峰值CPU性能(以浮点运算每秒计算)。
有几个因素使这一业绩得以实现：
缓存阻塞，以实现最大的内存局部性
循环展开，以最小化控制开销。
向量指令，如SSE
记忆预取
保证没有内存混叠
我已经看到了许多使用程序集、C++、Fortran、Atlas、供应商B
浏览 7提问于2010-02-27得票数 11
2回答
有两个int矩阵A和B，有超过1000行和10K列，我通常需要将它们转换为浮动矩阵以获得加速比(4x或更多)。
我想知道为什么会这样？我意识到在浮点矩阵乘法中存在大量的优化和矢量化，如AVX等。但是，对于整数有这样的AVX2指令(如果我没有弄错的话)。而且，对于整数，不能使用SSE和AVX吗？
为什么在矩阵代数库(如Numpy或Eigen )下面没有一个启发式的方法来捕捉这一点，并像浮点一样更快地执行整数矩阵乘法？
关于接受的答案：虽然@sascha的答案非常有用，但@chatz的答案是int乘乘法速度慢的实际原因，不管是否存在BLAS整数矩阵运算。
浏览 11提问于2017-07-28得票数 26
回答已采纳
朱莉娅()主页上的基准测试结果显示，在"rand_mat_mul“基准测试中，Fortran比Julia/Numpy慢约4倍。
我不明白为什么fortran在从同一个fortran库(BLAS)??调用时速度更慢。
我还对矩阵乘法进化的fortran、julia和numpy进行了简单的测试，得到了类似的结果：
朱莉娅
n = 1000; A = rand(n,n); B = rand(n,n);
@time C = A*B;
运行时间: 0.069577896秒(分配了7MB)
IPython中的Numpy
from numpy import *
n = 1000;
浏览 1提问于2015-02-11得票数 2
我正在使用VisualStudio2019中的Armadillo (10.4.1)来完成一些矩阵操作。我使用了来自OpenBlas管理器的NuGet，但是一切都很慢。现在我想切换到最新版本的OpenBlas。我使用了最后一个(0.3.15)，并按照下面的教程: minGW：编译了它。
编译工作正常，但当我尝试矩阵乘法时，控制台中会抛出一个错误：在输入到DSPR2参数1时有一个非法值。
我确实定义了ARMA_USE_BLAS，ARMA_DONT_USE_WRAPPER。我试着和ARMA_BLAS_LONG，ARMA_BLAS_UNDERSCORE，ARMA_USE_FORTRAN_HIDDEN_
浏览 14提问于2021-05-18得票数 0
回答已采纳
1回答
一种简单的方法来计算n x m矩阵对具有m个条目的向量的作用，将导致代码的伸缩性类似于O(n X m)。
我知道对于这样的计算，使用BLAS例程是一个很好的选择，但是它们的伸缩性也比O(n X m)好吗？或者它们只是比天真的方法更快，但具有相同的可伸缩性？
浏览 2提问于2016-07-25得票数 0
1回答
我用C++编写了一个矩阵乘法例程，并在特征解算器中使用了它。然后我意识到我的实现有精度问题，即使我已经使用了双精度浮点。我的实现结果似乎不够精确。我用BLAS测试了它，发现它的结果与BLAS的不匹配。下面的简单代码说明了这个问题，输出如下。
0: 0
1: 0
2: -1.42109e-14
test: test.cpp:59: int main(): Assertion `C1[i] == C2[i]' failed.
我可以简单地调用BLAS例程进行矩阵乘法，但我想知道为什么会发生这种情况。我不知道这是否是与架构相关的问题。我使用Intel Xeon E5-4620。
顺便说一句，
浏览 4提问于2015-04-04得票数 0
2回答
在MATLAB中乘整数值矩阵的最佳方法是什么？
我惊讶地得知以下这些行为是不被接受的：
>> x = int64([1, 2])
>> x * x'
Error using *
MTIMES is not fully supported for integer classes. At least one input must be scalar.
To compute elementwise TIMES, use TIMES (.*) instead.
我总是可以转换成双倍再回来。这是最好的解决办法吗？我在用R2013b。
浏览 7提问于2013-10-25得票数 6
回答已采纳
1回答
我刚刚成功地使用在Visual 2010上安装了GSL和BLAS：
然而，使用cblas的矩阵乘法速度慢得离谱。Linux上的一个朋友也有同样的问题。他没有通过GSL链接到BLAS，而是直接链接到cBLAS (我不太明白这意味着什么，但也许你会这么做？)它的速度是原来的十倍。
如何在中做到这一点？在我下载的文件中，我找不到任何可以用Visual构建的文件。
浏览 5提问于2011-08-09得票数 1
1回答
分析器中的BLAS例程？
、、、
我正在尝试分析一些调用GEMM进行矩阵乘法的Fortran代码。
我曾经使用双精度，正如我所期望的那样看到了dgemm调用，但现在我已经切换到单精度，我在profiler中的任何地方都看不到sgemm。
老实说，我甚至不明白dgemm是怎么出现的。不需要使用-pg编译BLAS库来创建必要的符号吗？
这是为BLAS库使用intel MKL，为分析器使用gprof。
浏览 4提问于2018-02-28得票数 0
我从各种来源(主要是从官方文件中)听说，Tensorflow Lite (for ARM)使用这三个库-- Ruy、Eigen、XNNPACK --来操作它。
我知道它们以某种方式加速了TF Lite中的计算(主要是卷积)，但我不确定每个库的目的是什么。我知道艾根是一个BLAS图书馆，但我不知道在TF Lite中其他人是什么，他们之间有什么关系。
有人愿意解释它们的不同用途以及它们在TF Lite中的使用方式吗？(也许打电话给Stack？)
我一直在查看每个库的正式文档，但是我无法找到Ruy和XNNPACK的详细信息。Ruy说它提供了高效的矩阵乘法，但是BLAS库不是这样做的吗？
浏览 18提问于2021-01-02得票数 2
回答已采纳
我正在尝试优化一些执行大量顺序矩阵运算的代码。
我认为numpy.linalg.multi_dot ()将执行C或BLAS中的所有操作，因此它将比arr1.dot(arr2).dot(arr3)等要快得多。
我真的很惊讶在笔记本上运行这段代码：
v1 = np.random.rand(2,2)
v2 = np.random.rand(2,2)
%%timeit
v1.dot(v2.dot(v1.dot(v2)))
The slowest run took 9.01 times longer than the fastest. This could mean th
浏览 110提问于2017-08-24得票数 0
1回答
我问题的基本目的是如何使用R包在Matrix中实现矩阵操作的最佳性能。特别是，我想并行化运算(乘法)，并使用CUDA GPU上的计算处理稀疏矩阵。
详细信息
根据Matrix包在R cran中的文档
矩阵类的一种丰富的层次结构，包括三角矩阵、对称矩阵和对角线矩阵，既密集又稀疏，具有模式、逻辑和数字条目。使用'LAPACK‘和'SuiteSparse’库对这些矩阵进行大量的方法和操作。
看来，多亏了SuiteSparse，我应该能够使用GPU (CUDA)对稀疏矩阵执行基本操作。特别是，SuiteSparse的文档列出了以下内容：
SSMULT和SFMULT:稀疏矩阵乘
浏览 10提问于2017-11-27得票数 2
回答已采纳
我想用BLAS包裹。要做到这一点，对于我来说，gemm()函数的两个第一个参数的意义并不明显。参数'N'和'T'代表什么？
BLAS.gemm!('N', 'T', lr, alpha, A, B, beta, C)
BLAS.gemm和BLAS.gemm!有什么区别？
浏览 3提问于2016-07-20得票数 2
回答已采纳
1回答
我尝试使用SciPy的dgemm在Python中计算A*A.T，但当A具有较大的行维度(~50,000)并且我以F顺序传递矩阵时，会得到一个段错误。当然，得到的矩阵非常大，但是sgemm和在C-order中传递到dgemm都是有效的，
>>> import numpy as np
>>> import scipy.linalg.blas
>>> A = np.ones((50000,100))
#sgemm works, A.T is in F-order
>>> C = scipy.linalg.blas.sgemm(a
浏览 3提问于2013-12-11得票数 8
根据MKL文档，“所有矩阵-矩阵操作(第3级)都是针对密集和稀疏BLAS的线程化的。”
我已经用MKL BLAS构建了Scipy。使用下面的测试代码，我看到了密集但不是稀疏矩阵乘法的预期多线程加速比。Scipy是否有任何更改以启用多线程稀疏操作？
# test dense matrix multiplication
from numpy import *
import time
x = random.random((10000,10000))
t1 = time.time()
foo = dot(x.T, x)
print time.time() - t1
# test sparse
浏览 0提问于2013-06-18得票数 6
我正在尝试将ODE_vector类型的对象转换为armadillo，这样新对象将继承armadillo库的线性代数功能。作为我遇到的问题的一个简单示例，下面是使用C++数组的演示：
#include <iostream>
#include <random>
#include <armadillo>
using namespace std;
using namespace arma;
int main() {
double b1 = 0.2;
double b2 = 0.1;
const double state[2] = {b1, b2};
rowv
浏览 2提问于2017-04-25得票数 0
如果我有一个张量收缩A[a,b] * B[b,c,d] = C[a,c,d]，它具有B[b,c,d] = B[b,d,c]和C[a,c,d] = C[a,d,c]的性质，那么如何建立BLAS来利用这个对称性呢？
这里假设爱因斯坦求和表示法，即重复指数表示和。
sgemm 似乎是关于矩阵的对称性，而不是秩-3张量.
我可以尝试将张量B平面/重塑成一个更低维的数组，但是看起来平坦/重塑张量也需要时间，至少在Fortran中是这样。
浏览 5提问于2021-03-15得票数 1
回答已采纳
3回答
BLAS :矩阵积在C？
、、、、
由于BLAS (没有机会选择另一个库，这是我的项目中唯一可用的库)，我想用C语言实现一些快速操作。我做以下操作：
反演方阵，
设矩阵积A*B，其中A是计算的逆矩阵，B是向量，
和2(很长)向量。
我听说这种手术用BLAS是可能的，而且速度很快。但是我搜索并没有发现任何东西(在C代码行中，我的意思是)，它可以让我理解和应用它。
浏览 4提问于2012-05-13得票数 2
设RG = A用于形状为R：(30kx40k，条目float32)和G：(40kx50k，条目0.0或1.0，大致相同频率)和当然是A：(30kx50k，条目float32)的密集非结构化矩阵。
给定A和G，我想找到R的最小二乘解。
我可以使用数百个CPU核心，数百GB内存和一个A40图形处理器。使用这些资源解决问题的最佳方法是什么？，我在下面的示例中使用了Julia1.7，但我对其他选项开放！
G第一个问题:我是否可以利用的条目仅为0和1？
尝试在多个CPU中使用朱莉娅LinearAlgebra
我尝试过两种方法："Penrose逆“和”右除法“
using LinearAlgebr
浏览 4提问于2022-06-18得票数 1
回答已采纳
1回答
问题：
1)当使用BLAS时，下面的示例代码中的numpy.dot()怎么比*慢呢？
( 2)在这种情况下，是否可以用numpy.dot()代替*来实现更快的数组乘法？我认为我遗漏了一条关键信息，这将回答问题1，这意味着numpy.dot()至少和*一样快，如果不是更快的话。
详情如下。提前感谢您的回答和帮助。
详细信息：
我正在用python2.7(64位)，numpy 1.11.2，Anaconda2在Windows 7上编写一个解决耦合PDE的程序。为了提高程序输出的精度，我需要使用大数组(形状(2，2^14)及更大的)和较小的集成步骤，从而导致了每次模拟中大量的阵列乘法操作，这是我需要
浏览 4提问于2017-01-05得票数 1
回答已采纳
1回答
我想通过向量乘法来执行矩阵运算，但要在整数类型的数组上执行，以避免额外的转换(当两边都是f32类型时，这很好用)； 这样的操作会抛出整数类型的错误类型异常，有什么解决方法吗？
浏览 21提问于2021-03-23得票数 1
回答已采纳
2回答
我不确定这里是否适合问我的问题，所以如果不是，我道歉。
我正在编写一个Java程序，它可以执行很多稀疏矩阵乘法。经过一些研究后，我发现提供了一些最好的性能，但只有在为BLAS/LAPACK库使用包装时才能提供最好的性能。
现在，我已经尝试遵循这些github页面上的说明，并从Arch存储库安装了BLAS和LAPACK：
$ pacman -Ss lapack
extra/lapack 3.5.0-1 [installed]
Linear Algebra PACKage
$ pacman -Ss blas
extra/blas 3.5.0-1 [installed]
Basic
浏览 5提问于2014-03-11得票数 1
我正在测试矩阵乘法的不同选项，以及矩阵的不同参数类型。其中之一是BLAS中的dgemm例程。当我想要创建一个大小为1000x1000 (nxp)的整数(kind=1)的矩阵时，它与dgemm崩溃了，但是matmul做得很好。当我将矩阵的大小缩小到500x500时，两者都能很好地工作。此外，我定义了所有的矩阵为实(8)，两者计算矩阵乘积，但结果是不同的。我使用的代码是：
program test
implicit none
real(8), allocatable :: x(:,:),xi(:,:),xt(:,:)
integer(kind=1), alloca
浏览 0提问于2013-12-21得票数 0
回答已采纳
因为
我不需要双倍精度
我的机器内存有限，我想处理更大的数据集。
我需要将提取的数据(as矩阵)传递给BLAS库，对于单个精度的BLAS调用比双精度等价的BLAS调用快2倍。
注意，并不是原始csv文件中的所有列都具有浮动类型。我只需要将float32设置为浮动列的默认设置。
浏览 7提问于2015-05-27得票数 23
回答已采纳
2回答
我用GNU GSL做一些矩阵计算。我试图用矩阵A的逆将矩阵B相乘。
现在我注意到，GSL的BLAS部分有一个功能来完成这个任务，但前提是A是三角形的。这有什么特别的原因吗？另外，最快的计算方法是什么？我应该用LU分解倒置A，还是有更好的方法？
FWIW，A的形式是P'_G_P，其中P是正规矩阵，P‘是它的逆，G是对角矩阵。
谢谢大家:)
浏览 1提问于2010-08-23得票数 4
4回答
我有一个关键算法，其中大部分运行时用于计算稠密矩阵积：
A*A'*Y, where: A is an m-by-n matrix,
A' is its conjugate transpose,
Y is an m-by-k matrix
Typical characteristics:
- k is much smaller than both m or n (k is typically < 10)
- m in the range [500, 2000]
- n in the ra
浏览 14提问于2014-02-27得票数 9
回答已采纳
2回答
使用顶点着色器的定点算术
、、、
如果我使用定点(或用1表示最小游戏单元的整数)来描述我的顶点向量，我如何设置OpenGL/eigen转换来使用它？如果我在顶点着色器中执行此操作：
gl_Position = projectionMatrix * viewMatrix * modelMatrix * vec4(in_Position, 1.0)
如果我将in_Position作为GL_INT的vec3传入，同时将矩阵作为GL_FLOAT mat4传入，是否会完成正确的强制转换？有性能成本吗？
有没有可能让我的转换矩阵也是定点的？
这是用2D游戏完成的，我认为这比3D游戏更可行。我真的更喜欢准确性，因为当距离原点很远时，大地图上
浏览 1提问于2012-12-08得票数 4
回答已采纳
1回答
我尝试用C语言编写一个求解函数(在代码：：块中使用Ubuntu )。我想从Python脚本中调用该解决程序，因此我已经将其构建为一个共享库，并在Python中使用“ctype”调用它。首先，我们尝试了的例子(第12页)。这是一个简单的矩阵(稀疏)-vector(稠密)乘法。一切都很顺利。这里是乘法码：
const int n =4;
const int nz=6;
double val[] = {1.1,2.2,3.3,4.1,2.4,4.4};
int indx[]={0,1,2,3,3,3};
int jndx[]={0,1,2,0,1,3};
double x[]={1.0,1.0,1
浏览 2提问于2016-06-25得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
