問題タブ [openblas]

Armadillo C++ ライブラリ (バージョン 6.6) をビルドしようとしていますが、正常にビルドされます。ただし、私の問題は、OpenBLAS のソース コードを個別にダウンロードしてビルドしたことです。ローカルでビルドしたOpenBLASをArmadilloに使ってもらい、生成したArmadilloライブラリに静的にリンクさせたい。

そう、

1. Armadillo CMake に特定の OpenBLAS を使用するように指示するにはどうすればよいですか?
2. 上記の OpenBLAS を静的にリンクするように Armadillo CMake に指示して、OpenBLAS を含む libarmadillo を生成するにはどうすればよいですか?

画像サイズ 224x224、マスク サイズ 10x10 のアルマジロでconv2関数を使用しています。3チャンネルの画像の場合、次のようなことをしています：

有効な畳み込みのみが必要なため、サブマットを使用しています。このコードは、異なるマスクを使用して32回ループで実行されます。32回の反復では 2.37 秒かかり、オクターブよりもはるかに遅くなります。Octave は同じコードを 0.25 秒で実行できます。

オクターブとアルマジロの両方が OpenBLAS を使用するように設定されており、c++ ファイルで適切なフラグを定義しました。（例ARMA_USE_BLASなど）。ここで何が問題なのか誰か教えてください。

いくつかの計算を高速化するために、Linux Mint 17.2 に openBLAS をインストールしたいと考えていました。このチュートリアル[1]に従い、openBLAS と numpy を正常にインストールしました (1.9.3 バージョンを使用しました)。テストプログラムを実行したところ、次の結果が得られました。

実際、numpy を削除して sudo apt-get install python-numpy でシステム numpy をインストールすると、次の結果が得られました。

openblas ルーチンは、ネイティブの blas や lapack よりも遅いようです。何が間違っている可能性がありますか?

これは numpy.show_config() の出力です:

私のプロセッサには、コアごとに 2 つのスレッドを持つ 4 つの CPU があります。テスト例を実行したときに 5 ～ 6 個のスレッドが存在することを htop で確認しました。

ここでダウンロードできるopenblasおよびlapack、blas/cblasを使用して、BLAS、CBLAS、LAPACK、および OpenBLAS ライブラリをソースからインストールしたかったのです。

まず、システムの blas/cblas および lapack ライブラリを削除しましたが、残念ながら atlas ライブラリをアンインストールできませんでした (blas と lapack の両方を使用することも、atlas をすべて削除することもできません)。インストール後にアトラスを削除できると思ったので、気にせずにダウンロードしたライブラリのコンパイルを開始しました。

ビルドプロセスはこのチュートリアルに基づいていました。完全を期すために、手順をリストします。

1. オープンブラス。Makefile.rule (NO_CBLAS=1, NO_LAPACK=1, NO_LAPACKE=1) ファイルを編集した後、次のコードを実行します。

   /li>

2. CBLAS。Makefile.in を編集した後 (-lpthread とは別に、-pthread フラグを追加する必要がありました):

   /li>

3. ラパック。make.inc ファイルを編集した後:

   /li>

4. ラパック。次の方法で gcc の make.inc ファイルを編集しました。

   次に実行します：

   /li>

5. ブラス。make.inc ファイルを編集しました:

   そして実行します：

   /li>

これで、静的ライブラリと共有ライブラリがすべて /usr/local/lib ディレクトリに配置されました。最終的にアトラスをアンインストールできるように、それらがインストールされていることを Linux mint 17.2 システムに伝えたいと思います。それを行う方法はありますか？

私の一般的な目標は、OpenBLAS を適切に設定することだったので、他のすべてのライブラリもソースからコンパイルしたかったのです。また、ライブラリが機能しているかどうか、または何か間違ったことをしたかどうかも確認したいと思います。

また、私の長期的な目標は、OpenBLAS で動作する Arpack と SuperLU をインストールし、最後に Armadillo ライブラリ (C++) をインストールすることです。

にインストールScipy-0.16.1していますUbuntu 14.04

OpenBLAS_0.2.18Numpy-1.11.0問題なくインストールされています。

Scipy-0.16.1.tar.gzダウンロードされました

site.cfg次の行がコピーされ、コメント解除されました。

に行を追加しました~/.bashrc

ソース ~/.bashrc

ldconfig

sudo python setup.py 構成

エラー

ImportError: libopenblas.so.0: 共有オブジェクト ファイルを開けません: そのようなファイルまたはディレクトリはありません

有名なスクリプトに基づいて、check_blas.pytheano が実際に複数のコアを使用できることを確認するために、次のスクリプトを作成しました。

これを as で実行するとpython3 check_theano.py、8 つのスレッドが使用されていることがわかります。さらに重要なことに、コードは設定なしの場合よりも約 9 倍高速にos.environ実行され、1 つのコアのみが適用されます: 1 回の実行で 7.863 秒と 71.292 秒です。

そのため、Keras は呼び出し時にfit(またはpredictそのために) 複数のコアを使用するようになると思います。ただし、これは次のコードには当てはまりません。

このスクリプトは、次の出力で 1 つのコアのみを使用します。

fitKeras が同じセットアップに 1 つのコアしか使用しないのはなぜですか? スクリプトはcheck_blas.py実際にニューラル ネットワークのトレーニング計算を代表するものですか?

ご参考までに：

編集

マルチコアを実行しない単純な MLP の Theano 実装も作成しました。