【笔记】【原】Ubuntu Linux 12.04 64位下Intel Math Kernel Library (MKL) 2013安装以及使用原文链接：转载请注明出处。 实验环境: Ubuntu 12.04 LTS 64位安装软件:
仅记录2013版
新版本类似常常在论文中看到Deep Learning方法实现是使用英特尔的MKL库加速矩阵运算。跟着师兄的脚步，快快安装起来～*安装与配置*1. 注册在Intel官网上，注册一个帐号。我使用学校edu的邮箱，申请到了Math Kernel Library(MKL)的免费下载权(MKL的位置比较深，需要好好找一下)。稍后，Intel会发来一封邮件，里边包含软件的注册码，同时会附上下载链接。内容大致如下图2. 下载点击邮件中的下载链接即可下载压缩包。大致1G多。3. 解压 安装把压缩包解压，进入该文件夹。运行脚本进行安装：sudo ./install.sh4. 跟着提示一步步走先是欢迎提示，显示了安装的流程：接着需要接受证书：然后按照提示输入刚才邮件中的序列号，回车后提示激活成功：我同意了参与软件改善计划：然后选择安装路径，我使用了默认路径/opt/intel/，里边如果有东西,就会无视不同名文件和目录并覆盖同名文件和目录：（建议备份该路径原有的文件）之后有一个可选步骤，安装程序会检测系统环境，提示要得到最佳体验需要的先验程序，我选择忽略缺少的项目：接着就开始安装：几分钟之后，安装完毕，提示了一些关于软件使用的内容，建议留做以后参考： 5. 配置添加动态路径。 用管理员权限编辑文件 /etc/ld.so.conf .在其中加入文件刚刚安装的MKL的lib路径。我的路径是 /opt/intel/composer_xe_/compiler/lib/intel64 。然后是新配置生效：sudo ldconfig *使用*1.运行自带例子到路径 /opt/intel/composer_xe_/mkl/examples/cblas中，尝试编译运行自带的cblas程序。这一步用于验证安装是否成功。根据Makefile中的提示，用下面命令编译程序：sudo make libintel64 compiler=gnu编译结束后，出现 _results 文件夹。可以自行查看里边的可执行文件。 b2.书写自己的makefile根据刚才终端中输出的编译过程，我们可以学习到如何编译使用了MKL CBLAS的代码。如下图绿色框 安装到此为止～～
终于可以使用MKL CBLAS了！ 其他：source /opt/intel/
composer_xe_添加环境变量/etc/profile========
更新============同样的方法在Ubuntu 14.04.3 LTS上试验有效。A mind needs books like a sword needs a whetstone.
如果您想留下此文，您可以将其发送至您的邮箱(将同时以邮件内容&PDF形式发送)
相关文章推荐
(Ctrl+Enter提交) &&
已有0人在此发表见解
&在& 13:25收藏到了
&&在信息爆炸的时代，您的知识需要整理，沉淀，积累！Lai18为您提供一个简单实用的文章整理收藏工具，在这里您可以收藏对您有用的技术文章，自由分门别类，在整理的过程中，用心梳理自己的知识！相信，用不了多久，您收藏整理的文章将是您一生的知识宝库！
· 蜀ICP备号-18927人阅读
并行计算高性能计算HPC — MKL/IPP（3）
MKL实现了BLAS和Spare BLAS和BLAS-like的函数。这部分函数主要分为以下部分：
oBLAS Level 1 Routines (vector-vector operations)&
oBLAS Level 2 Routines (matrix-vector operations)&
oBLAS Level 3 Routines (matrix-matrix operations)&
oSparse BLAS Level 1 Routines (vector-vector operations).&
oSparse BLAS Level 2 and Level 3 Routines (matrix-vector and matrix-matrix operations)&
oBLAS-like Extensions&
（1）BLAS函数命名规则
&character& &name& &mod& ( )
character：
表示数据类型，一般为：s实数，单精度；c复数，双精度；d实数，单精度；z复数，双精度。有些函数会对character组合，比如sc、dz等等，组合的时候，第一个表示返回值，第二个字母表示参数。
对于BLAS level 1： 表示操作类型，比如?dot,?rot,?swap等函数。（说明：MKL手册中?开头的函数，这个问号就取代character，表示这一系列的函数。）
对于BLAS level 2和3： name反应了矩阵的参数类型，主要有ge(general matrix)、gb(general band matrix带状矩阵)、sy(symmetric matrix对称式矩阵)、sp(symmetric matrix (packed storage))、sb(symmetric band matrix)、he(Hermitian matrix埃尔米特矩阵,自共轭矩阵)、hp(Hermitian matrix (packed storage))、hb(Hermitian
band matrix)、tr(triangular matrix三角矩阵)、tp(triangular matrix (packed storage))、tb(triangular band matrix)等。
可选，提供操作的额外信息。不同的level的函数可取的值不一样，参考手册查看更多信息。
总结：可见MKL函数的命名规则是很清晰的。
（2）矩阵的保存方式
矩阵，在MKL中可以用一维或者二维的数组保存。
Full storage：用二维数组保存矩阵，矩阵的元素aij保存在数据元素的a(i,j)中。
Packed storage：用一维数组保存。
band storage for band matrices：用二维矩阵保存，带状矩阵。
（3）编程接口
MKL手册中发现函数说明都是Fortran的规范，比如BLAS里面的函数，事实上，MKL提供了和Fortran一样的函数接口。
C语言中，使用BLAS需要包含的头文件是：#include &mkl_blas.h&，其中的函数和Fortran接口是一致的。
为了使得接口更符合C语言的格式，MKL提供了一个C语言格式的函数接口，即CBLAS，需要包含#include &mkl_cblas.h&，其提供的接口函数名为Fortran函数名接口加上前缀&cblas_&的形式，但是实际上其参数返回值等可能会有一些不同，是为了更符合C语言的编程习惯。具体参考下一部分的例子即可知道，应该尽量采用C语言的接口形式，更容易理解和使用。
（3）BLAS Level 1举例
BLAS Level 1的函数用于进行向量-向量的操作。比如求向量元素的绝对值之和、向量相加、向量交换、向量元素最大值和最小值等等操作。
下面以?asum函数为例来了解：
res = sasum(n, x, incx)
res = scasum(n, x, incx)
res = dasum(n, x, incx)
res = dzasum(n, x, incx)
其中，不同的函数，其?部分不一样，表示其传递的参数类型不一样，上面已经分析过命名规则。这个函数用于对向量中的一组元素的绝对值求和，如果是复数参数，则其元素会计算实部和虚部的绝对值并求和。即res = |Re x(1)| + |Im x(1)| + |Re &x(2)| + |Im &x(2)|+ ... + |Re &x(n)| + |Im x(n)|。其中，参数n表示要参与计算的元素的个数，x为向量起始地址，incx为对向量的递增取值间隔，注意，使用时要自行保证不要出现越界。另外，上面的函数中n和incx都要求是指针类型，所以不符合C语言的编程习惯，可以使用C语言接口，从而符合习惯。参考下面的例子：
#include &stdafx.h&
#include &stdio.h&
#include &malloc.h&
#include &mkl_blas.h&
#include &mkl_cblas.h&
#define N 100
void initVector(float* v)
for(int i = 0;i & N;i++)
v[i] = -i*1.0f;
int main(int argc, char* argv[])
float* vector = (float*) malloc(sizeof(float)*N);
initVector(vector);
int a1 = N;
int incx1 = 1;
float ret1 = sasum(&a1, vector, &incx1); // FORTRAN 77接口形式
printf(&Result of sasum: %lf\n&, ret1);
int a2 = N/2;
int incx2 = 2;
float ret2 = sasum(&a2, vector, &incx2); // FORTRAN 77接口形式
printf(&Result of sasum: %lf\n&, ret2);
float ret3 = cblas_sasum(N, vector, 1);
//C接口形式
printf(&Result of sasum: %lf\n&, ret3);
free(vector);
这个例子，是计算一个单精度浮点数向量的。
下面是计算复数的例子：
#include &stdafx.h&
#include &stdio.h&
#include &malloc.h&
#include &mkl_cblas.h&
#define N 10
void initVector(MKL_Complex16* v)
for(int i = 0;i & N;i++)
v[i].real = -i*1.0f;
v[i].imag = i*1.0f;
int main(int argc, char* argv[])
MKL_Complex16* vector = (MKL_Complex16*) malloc(sizeof(MKL_Complex16)*N);
initVector(vector);
double ret3 = cblas_dzasum(N, vector, 1);
printf(&Result of sasum: %lf\n&, ret3);
free(vector);
还有其它一些BLAS Level 1的函数，都是用于处理vector-vecotr相关的BLAS问题的，更多内容参考MKL手册。
（4）BLAS Level 2
BLAS Level 2的函数，主要用于矩阵-向量（matrix-vector）操作。
（5）BLAS Level 3
BLAS Level 2的函数，主要用于矩阵-矩阵（matrix-matrix）操作。
二、Sparse BLAS
（1）命名规则
Level1 和Level2/3有不同的命名规则，详细参考手册。
（2）Sparse BLAS Level 1
主要用于针对压缩形式保存的稀疏向量的相关向量操作。
（3）&Sparse BLAS Level 2 and Level 3
Level 2 主要用于进行稀疏矩阵和密集向量之间的操作。
Level 3 主要用于稀疏矩阵和密集矩阵之间的操作。
三、BLAS-like Extensions
作为扩展，提供一些扩展的函数，进行一些数据操作等相关的函数，比如简单的向量加法得到一个新的向量等。
总结：这里主要是简单的了解了一下MKL手册中的BLAS and Sparse BLAS的基本内容，主要是举例BLAS Level1的例子，了解MKL函数的特点。另外，这些函数，不仅仅在MKL中有提供，这些都是“标准”的一些线性代数相关的函数，本身BLAS、LAPACK、ScaLAPACK等等的这些名称就是一些库的名称，都是在高性能领域很有名的库，MKL主要是对其进行了优化，所以，这些函数的接口都是和“标准”一致的。
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：574968次
积分：6763
积分：6763
排名：第2828名
原创：146篇
转载：12篇
评论：153条