Math “你怎么看？”；扩展；BLAS子程序？

通常，BLAS子例程是为特定的唯一操作定义的。比如说,

---

DAXPY

必然是

y首先，在您对y的解释中，因为您使用的是MKL，所以可以使用扩展DAXPBY，它确实是
y我建议您使用Fortran 95数组表示法编写自己的例程，看看编译器是否能够生成合适的代码。我怀疑会这样，因为带宽有限的操作几乎被naive实现所耗尽，即gurus编写的优化BLAS1库实现可能不会比未优化的Netlib BLAS1快多少，除非数据已经驻留在缓存中（在这种情况下，矢量化将产生一些效果）

我在过去做过这样的比较，发现对于任何不驻留在缓存中的向量，优化和未优化的BLAS1样式例程之间的差异可以忽略不计。
为什么需要
y
？你真的只想计算
z=ax+bax
？真的，我认为没有好的答案，因为这些东西可能会根据向量的长度、正在运行的硬件、编译器和库版本等而改变。此外，如果你使用的是最新的英特尔fortran（12.2），有时，我发现简单的内在操作的运行速度与MKL调用的运行速度相同或更快。@Talonmes，它们是两种不同的操作，在我的代码中的许多地方都会发生。不一定并列。@laxxy，我想如果有人告诉我哪种方法行不通，我会非常高兴。每次我更改矩阵时，我都会花2个小时来找出哪种方法工作得很好。你可能对候选方法已经有了很好的了解：）现在，如果情况经常发生变化，你可以尝试编写几个备选方案，在改变情况后，在改变情况时运行一个小基准，以自动选择其中一个，例如，使用shell脚本或类似的东西。我尝试过ATLAS，但在大多数情况下，它比Intel MKL慢得多。我可能会再试一试。最让我头疼的是，对于长度为100k的全密度向量，一个简单的a=b Fortran操作有时比DCOPY（100k，a，1，b，1）快得多！据我所知，BLAS没有提供您想要的操作。我不认为ATLAS比MKL优越（在解决复杂问题时，人总是比机器更强大：）。我刚才说过，您可以使用他们采用的方法来编写类似的东西，以帮助您在计算机上找到合适的实现。至于复制操作，也许使用平铺算法（逐块执行）来解决所描述的任务更方便，减少任务大小并根据解决时间选择最佳的平铺大小？我的OpenMP实现也是这样。这是一个外观相当简单的代码，它可以为每个线程分配一定数量的工作。最重要的是，我做了一些初步的微优化，以确保我的内存流和工作共享是最佳的。但遗憾的是，Clint Whaley一直在编写no use.ATLAS。OpenMP绝对是带宽限制问题的解决方案。在许多情况下，每个节点需要使用多个核心来饱和峰值带宽。例如，在Blue Gene/Q上，您需要16个线程来最大化流三元组基准。
`z = ax + by`: DCOPY(n,z,1,y,1), then DAXPBY(n,a,x,1,b,z,1)
`y = ax`: DAXPBY(n,a,x,1,0,y,1)