数据类型如何与 scipy.linalg.get_blas_functions 一起使用？

Question

我正在探索 python 中的 scipy.linalg.get_blas_function() 方法。但我注意到它在处理 numpy int 类型时遇到了一些困难。

输入

import scipy.linalg
import numpy as np

def blas(name, ndarray):
    arr = scipy.linalg.get_blas_funcs((name,), (ndarray,), dtype=ndarray.dtype)[0]
    return arr

blas_scal = blas('scal', np.array([], dtype=np.int32))
print "int32 --> %s" % (blas_scal.dtype)

blas_scal = blas('scal', np.array([], dtype=np.int64))
print "int64 --> %s" % (blas_scal.dtype)

blas_scal = blas('scal', np.array([], dtype=np.float32))
print "float32 --> %s" % (blas_scal.dtype)

blas_scal = blas('scal', np.array([], dtype=np.float64))
print "float64 --> %s" % (blas_scal.dtype)

输出

int32 --> float64
int64 --> float64
float32 --> float32
float64 --> float64

如您所见，get_blas_funcs() 似乎忽略了整数类型的数据类型，并且只要您有任何类型的 numpy 整数，就会输出 float64。但是，使用 get_blas_funcs() 输入 numpy float32 或 numpy64 没问题，并且在输出时不会更改数据类型。

这里发生了什么？此函数如何处理数据类型？

Answer 1

一些一般性评论：

BLAS 与其说是一个库，不如说是一个规范
- 有很多实现（Atlas、OpenBLAS、MKL），或多或少都在同一个接口上工作
BLAS 完全是关于浮点数学的
- 可用前缀决定使用的类型 (see top left)
- 有S：单精度，D：双精度，C复数单精度和Z复数双精度
  - (sometimes 支持混合类型，如：CS、ZD)
    - 例如，函数 scasum 使用复数输入数组和 returns 实数值。（link 以上）
- 一般不支持整数类型！
  - 似乎有一些想法支持这些（links：1, 2），但它肯定不常见（也许还没有强大/经过充分测试的支持）
  - 我很确定在任何这些大库（numpy、scipy、sklearn、pandas）中都没有类似整数的 BLAS 用法，如果没有，这当然很难所有可能的 BLAS 后端支持的标准（正如我所说：多个候选人！）
这意味着：您正在请求一个不可用的函数（具有类似整数类型的标度）
- 这意味着：需要进行转换！
- 做什么样的铸造，是设计决策：
  - 这里似乎（如果需要的话可能很容易检查代码）：
    - 如果输入受支持的一种，请保留它
      - float32 -> float32 (S -> S)
      - float64 -> 浮点数 64 (D -> D)
    - 如果不是：转换为双精度/D（在 numpy/scipy 中或多或少是默认值！；比单精度更常见；至少现在是这样！）
使用 BLAS 是非常低级的，每个尝试这样做的人都需要确保了解正确执行所需的条件（不仅是类型；还有内存布局）！
- 与scipy's warning比较：警告这些函数几乎不做错误检查。误用它们可能会导致崩溃，因此最好使用 scipy.linalg.
这里有一些相关的问题（显示这些缺失功能的含义）：

数据类型如何与 scipy.linalg.get_blas_functions 一起使用？

How do data types work with scipy.linalg.get_blas_functions?

python

linear-algebra

scipy