Blas似乎非常慢

Question

我在我的机器上比较矩阵乘法，看起来c++ blas非常慢。乘一个1000x1000矩阵大约需要4秒，而在python中需要的时间大约是1.5秒。我认为链接可能有问题，但我真的不太知道如何修复这类事情。下面是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;  
}

我正在使用//g++ -o程序mm.cpp -I/home/gsl/include -lm -L/home/gsl/lib -lgsl -lgslcblas进行编译

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

谢谢你的帮助！

Answer 1

BLAS中的子例程是事实上的标准，并且存在大量优化的和特定于供应商的库来实现该接口。numpy和gsl都可以链接到各种不同的BLASes (或者在某些情况下使用它们自己的实现)，但是从这个角度来看，numpy和gsl基本上都是包装器--您得到的性能基本上只依赖于它们所链接的BLAS。

使用GSL，可以相对容易地链接到替代的BLAS。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是一个BLAS，通常速度相当快(至少如果你没有AMD cpu)，但出了名的难以连接。他们甚至有一个web应用程序来帮助你编写链接行：http://software.intel.com/en-us/articles/intel-mkl-link-line-advisor。我在OpenBLAS (http://www.openblas.net/)上有相当好的运气，在i7-3770KCPU上的性能是MKL的1%或2%。OpenBLAS也很容易编译；它不像ATLAS那么麻烦。

一旦您获得了OpenBLAS，无论是通过从源代码编译还是从包管理器下载(如果您使用*nix )，修改后的编译行基本上是

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