用ATLAS还是OpenBLAS？

Question

在花费大量时间从源代码构建ATLAS之后，我发现libopenblas和libatals在OpenSUSE 13.1存储库中。我的问题是

1. 在存储库中轻松安装(无需在您自己的计算机上进行调整) "libatlas“真的可以提高计算性能吗？
2. OpenBLAS是比ATLAS好，还是仅仅比轻松安装的"libatlas“更好呢？见为了获得更快的R，请使用OpenBLAS :比ATLAS更好，切换到Ubuntu非常简单。
3. 我跟踪了这个帖子用OpenBLAS编译Numpy，但找不到"numpy.core._dotblas“模块。更重要的是，我不能同时使用ATLAS和OpenBLAS构建Numpy。
4. 有人可以发布一个.py文件或bash代码来比较ATLAS和OpenBLAS吗？例如。
5. 我用自己的阿特拉斯构建了Numpy-1.9，从源代码编译了OpenBLAS，并在OpenSUSE 13.1的存储库中安装了"libopenblaso“(OpenMP版本)和"libopenblasp”(pthreads )。如何配置链接和库，以便可以告诉Numpy-1.9使用OpenBLAS而不是ATLAS，而无需重新构建Numpy-1.9包。

注意:如果您在存储库中安装了"libatlas“，那么ATLAS将不会针对您的计算机进行调优，计算性能也不会很好。因此，我首先构建并调整了ATLAS，然后使用我自己的ATLAS构建了Numpy。之后，我尝试将OpenBLAS链接到Numpy，但失败了。

事先非常感谢！

谢谢你的快速回答！，但问题还没有解决……

安装

$ sudo zypper in libopenblasp0

The following NEW package is going to be installed:
  libopenblasp0 

1 new package to install.
Overall download size: 3.0 MiB. After the operation, additional 30.3 MiB will be used.
Continue? [y/n/? shows all options] (y): 
Retrieving package libopenblasp0-0.2.11-11.1.x86_64      (1/1),   3.0 MiB ( 30.3 MiB unpacked)
Retrieving: libopenblasp0-0.2.11-11.1.x86_64.rpm ...........................[done (2.1 MiB/s)]
(1/1) Installing: libopenblasp0-0.2.11-11.1 ............................................[done]

Additional rpm output:
/sbin/ldconfig: Can't link /usr/lib64//usr/local/atlas/lib/libtatlas.so to libopenblas.so.0

问:为什么会有一个有趣的双斜杠“.64//usr.”？

链接图书馆

$ /usr/sbin/update-alternatives --config libblas.so.3

  Selection    Path                               Priority   Status
------------------------------------------------------------
  0            /usr/local/atlas/lib/libtatlas.so   70        auto mode
  1            /usr/lib64/blas/libblas.so.3        50        manual mode
  2            /usr/lib64/libopenblasp.so.0        20        manual mode
  3            /usr/local/atlas/lib/libcblas.a     50        manual mode
  4            /usr/local/atlas/lib/libptcblas.a   60        manual mode
  5            /usr/local/atlas/lib/libsatlas.so   65        manual mode
* 6            /usr/local/atlas/lib/libtatlas.so   70        manual mode

Q:这种配置好吗，因为有些静态库".a“是链接的？

注意："libopenblasp.so.0“在"zypper in”之后自动链接，而所有"atlas“库都由命令手动创建：

$ /usr/sbin/update-alternatives --install /usr/lib64/blas/libblas.so.3 libblas.so.3 /usr/local/atlas/lib/libxxxx.x <Integer>

Answer 1

您可以在系统BLAS和LAPACK实现之间切换，使用更新替代。例如：

/usr/sbin/update-alternatives --config libblas.so.3

库

我不知道地图集包，但我们提供开放的支持多弓。数学内核包括所有处理器特定的优化和动态设置右变体。注意，openblas库有3种版本:串行版本、p线程版本和openmp版本。您需要使用p线程或openmp。

Answer 2

本文展示了一些基准测试。和如何编译不同的线性代数包。显然，在作者的情况下，自己编译比默认的性能要好，但当然是YMMV。

引用有小编辑的文章：

链接到默认系统cblas：

$ gcc time_dgemm.c -lcblas && ./a.out
10.997839 s

单线程优化的地图集版本获得了~3x加速比：

$ gcc time_dgemm.c -L$HOME/opt/atlas/lib -lsatlas && ./a.out
3.237809 s

通过线程blas链接相同的代码，我得到了~10倍的加速比：

$ gcc time_dgemm.c -L$HOME/opt/atlas/lib -ltatlas && ./a.out
1.302789 s

使用OpenBLAS 0.2.8，我获得了比ATLAS更好的性能：

$ gcc time_dgemm.c -L$HOME/opt/openblas-0.2.8/lib -lopenblas && ./a.out
1.031470 s

使用(非免费) MKL，性能非常相似。但是链接线要复杂得多：

$ gcc -fopenmp -m64 -I$MKLROOT/include time_dgemm.c -L$MKLROOT/lib/intel64 -lmkl_intel_lp64 -lmkl_gnu_thread -lmkl_core -ldl -lpthread -lm && ./a.out
0.951390 s