LAPACK 和 BLAS 的高性能版本是什么？

what is high performance version of LAPACK and BLAS?

IMSL 的page 说

To obtain improved performance we recommend linking with High Performance versions of LAPACK and BLAS, if available.

什么是 LAPACK 和 BLAS 的高性能版本？

有很多好的实现可供选择：

  1. Intel MKL 可能是英特尔机器上最好的。它不是免费的，所以这可能是个问题。
  2. 根据他们的说法 benchmark, OpenBLAS 与 Intel MKL 相比相当不错并且是免费的
  3. Eigen is also an option and has a largish (albeit old) benchmark 在小矩阵上表现出良好的性能（尽管从技术上讲它不是一个嵌入式 BLAS 库）
  4. ATLAS, OSKI, POSKI 是自动调整内核的示例，它们声称可以在许多架构上工作

一般来说，如果不进行基准测试，很难从中选择一个，因为：

  1. 一些实现在不同类型的矩阵上效果更好。例如，Eigen 在秩较小 (100s)
    2. 的矩阵上效果更好
  2. 一些针对特定架构（例如 Intel 的）进行了优化
  3. 在某些情况下，BLAS 库的多线程可能与多线程应用程序（例如 OpenBLAS）冲突
  4. 开发人员的基准测试可能倾向于强调在实施方面效果更好的案例。

我建议选择一个或两个适用于您的用例的库，并在您的特定（或类似）机器上针对您的特定应用程序对它们进行基准测试。这很容易做到 。

LAPACK 和 BLAS 是性能库，它们基本上为线性方程组提供线性代数数学运算。您可以找到在计算机视觉中有用的此类库，例如（对象检测和分类）、经典算法、建模、...

TAsking 提供了 LAPACK 和 BLAS 性能库的完整 C 实现，这两个库都符合 ISO-C99 标准，具有完整的文档和示例，您可以在此处查看 http://www.tasking.com/products/tasking-lapack-performance-libraries