性能库：intel数学核心库mkl

性能库：intel数学核心库mkl内容摘要：

二进制代码将在运行的时候执行 多核结构与程序设计 Southeast University 东 南 大 学 15 使用库  矩阵乘法 自己做卷积或用点积 for( i = 0。 i n。 i++ ){ for( j = 0。 j m。 j++ ){ for( k = 0。 k kk。 k++ ) c[i][j] += a[i][k] * b[k][j]。 }} for( i = 0。 i n。 i++ ){ for( j = 0。 j m。 j++ ) c[i][j] = cblas_ddot( n, amp。 a[i], incx,amp。 b[0][j], incy)。 } Roll Your Own ddot 多核结构与程序设计 Southeast University 东 南 大 学 16 使用库  矩阵乘法 DGEMV/DGEMM for( i = 0。 i n。 i++ ) cblas_dgemv( CBLAS_RowMajor, CBLAS_NoTrans, m, n, alpha, a, lda, amp。 b[0][i], ldb, beta, amp。 c[0][i], ldc )。 dgemv Cblas_dgemm( CblasColMajor, CblasNoTrans, CblasNoTrans, m, n, kk, alpha, b, ldb, a, lda, beta, c, ldc )。 dgemm 多核结构与程序设计 Southeast University 东 南 大 学 17 使用库  实验 1: DGEMM 比较分别用 C源码， DDOT,DGEMG和 DGEMM实现矩阵乘法的性能 练习在 MKL/BLAS中控制线程的能力 多核结构与程序设计 Southeast University 东 南 大 学 18 内容  介绍  性能特性  使用库  库内容 多核结构与程序设计 Southeast University 东 南 大 学 19 库内容  LAPACK*中优化 Intel174。 数学核心库 很多重要的 LAPACK优化 : 线程化 – 有效地使用多处理器和多核 递归分解 • 减少串行时间 (Amdahl’s law: t = t串行 + t并行 /p) • 代码中进一步扩展阻塞到整个列的块，以提高局部性 无需运行时库的支持 NETLIB LAPACK有很多调用函数提高了对运行时库函数的支持，这些函数都在 Intel MKL中，所以不再需要运行时库，可以和任何编译器方便的链接、 多核结构与程序设计 Southeast University 东 南 大 学 20 库内容  离散福利叶变换 (DFTs) 1维， 2维， 3维 …（受编程语言限制） 支持多线程 为 内存的有效利用而进行 混合基数变换，并满足许多物理问题的需要。 可以指定任何规模的变换，但并不是所有规模的变换运行的同样快 用户指定比例。