为什么在第1级例程中使用f2jBLAS而不是本地blas呢？

Question

我在BLAS.scala中找到了以下代码：

// For level-1 routines, we use Java implementation.
private def f2jBLAS: NetlibBLAS = {
  if (_f2jBLAS == null) {
    _f2jBLAS = new F2jBLAS
  }
  _f2jBLAS
}

我认为本机blas比纯Java实现更快。

那么，为什么星火选择f2jblas的第1级例程，有什么理由我不知道？

谢谢!

Answer 1

答案很可能在netlib-java存储库的自述文件的性能部分找到。

Java在老一代开发人员中享有声誉，因为Java应用程序在上世纪90年代发展缓慢。现在，JIT确保Java应用程序与-C/ C++ / Fortran应用程序的性能保持同步或超过其性能。

然后是图表，显示各种BLAS例程的详细基准测试结果，无论是纯Java (用f2j从Fortran翻译而来)还是来自Linux和macOS在x86_64上的原生BLAS。ddot基准测试表明，在x86 ( reference似乎没有JIT功能)上，F2J的性能与参考本机BLAS实现相同，用于更长的向量大小，甚至在较短的向量大小上优于它。这里要注意的是，JIT在几次调用之后才会启动，这不是一个问题，因为大多数ML算法本质上都是迭代的。大多数1级例程相当简单，JIT编译器能够生成经过良好优化的代码。这也是为什么高度优化的BLAS实现中的调优工作进入了第2级和第3级例程。