Warning: file_get_contents(/data/phpspider/zhask/data//catemap/6/multithreading/4.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
OpenBLAS将只使用4个线程，尽管有32个可用线程 最近，我在Windows 10上使用Linux子系统安装Linux，以便我可以在C++中运行优化的矩阵计算，但是我认为库没有充分利用我正在运行的硬件。_C++_Multithreading_Windows 10_Openblas - Fatal编程技术网
Fatal编程技术网
  • cplusplus/
  • OpenBLAS将只使用4个线程，尽管有32个可用线程 最近，我在Windows 10上使用Linux子系统安装Linux，以便我可以在C++中运行优化的矩阵计算，但是我认为库没有充分利用我正在运行的硬件。

OpenBLAS将只使用4个线程，尽管有32个可用线程 最近，我在Windows 10上使用Linux子系统安装Linux，以便我可以在C++中运行优化的矩阵计算，但是我认为库没有充分利用我正在运行的硬件。

c++ multithreading windows-10

OpenBLAS将只使用4个线程，尽管有32个可用线程 最近，我在Windows 10上使用Linux子系统安装Linux，以便我可以在C++中运行优化的矩阵计算，但是我认为库没有充分利用我正在运行的硬件。,c++,multithreading,windows-10,openblas,C++,Multithreading,Windows 10,Openblas,例如，如果我运行一个简单的dgemm调用以将两个10000x1000矩阵相乘，则运行大约需要10-11秒，而在完全相同大小的矩阵上运行numpy，使用相同的数据类型（double/float64），只需要4-5秒。在任务管理器中查看，似乎numpy可以使用32个线程中的大约16个，而OpenBLAS只使用4个线程（这是在我运行OpenBLAS\u get\u num\u threads（）时确认的） 即使在明确告诉OpenBLAS使用更多线程之后，我仍然使用了4个线程，如下代码所示： openb

例如，如果我运行一个简单的
dgemm
调用以将两个10000x1000矩阵相乘，则运行大约需要10-11秒，而在完全相同大小的矩阵上运行
numpy
，使用相同的数据类型（
double
/
float64
），只需要4-5秒。在任务管理器中查看，似乎
numpy
可以使用32个线程中的大约16个，而OpenBLAS只使用4个线程（这是在我运行
OpenBLAS\u get\u num\u threads（）时确认的）

即使在明确告诉OpenBLAS使用更多线程之后，我仍然使用了4个线程，如下代码所示：


openblas_set_num_threads（8）；//这应该将OpenBLAS线程数设置为8
goto_set_num_线程（8）；//这还应将OpenBLAS线程数设置为8
标准：：cout