LAPACK dgesv与MATLAB mldivide

我正在写有限差分法程序。
我正在使用英特尔数学内核库

例如，1000x1000矩阵A和1000x1000矩阵B。
在英特尔MKL中，使用cblas_dgemm（）函数的A*B大约需要600毫秒。
在MATLAB中，A*B大约需要800毫秒。
我觉得MKL很快

但是，1000x1000矩阵A和1000x1向量B，
而A\B（mldivide）在MATLAB中，需要40毫秒，
但在MKL中，使用LAPACKEëdgesv，需要400毫秒

所以我的问题是，
为什么在mldivide中，MATLAB如此之快而MKL如此之慢

矩阵A和向量B充满了随机值

我正在使用
MATLAB R2012b
Visual Studio 2015
英特尔并行工作室XE 2016更新3群集版

多谢各位

编辑

首先，C++代码.< /P>

#include "mkl.h"
#include "time.h"

int n = 1000;
double *a = (double *)malloc(sizeof(double) * n * n);
for(int i = 0;i < n * n;i++) a[i] = rand();
double *b = (double *)malloc(sizeof(double) * n);
for(int i = 0;i < n;i++) b[i] = rand();
int *ipiv = (int *)malloc(sizeof(int) * n);
time_t now = clock();
int info = LAPACKE_dgesv(LAPACK_ROW_MAJOR,n,1,a,n,ipiv,b,1);
time_t ms = clock() - now;
printf("%d ms",ms);

我想我在测量时间时没有弄错。

---

谢谢。

您的时间安排有问题。MKL和MATLAB都显示了此操作的预热效果。如果在C代码中对MKL进行两次计时，您会发现第二次计时比第二次快得多

247.349940 ms
14.353588 ms

对于Matlab，它是

ans =

  825.5090

ans =

   21.7870

请注意，结果在很大程度上取决于您的多线程设置

不同之处在于，除非您退出Matlab并重新启动它，否则不会再次看到预热效果，因为Matlab会保留在预热阶段创建的资源，直到您退出。如果再次运行Matlab脚本，资源将被重用。但是对于MKL，如果您只花一次时间，那么您总是在解决问题的预热阶段花时间，退出c程序并释放资源，而不重用它们

---

预热不是Matlab特有的现象。资源可以预先分配可重用的内存缓冲区，用于解决MKL的LAPACK中的方程，这会影响C程序和Matlab脚本。

@kangshiyin对，我误读了。谢谢。你能给我看一下计时代码吗？在计时过程中可能会出现很多问题。@ShuS

tic

和

toc

需要预热时间。我建议您改用

timeit

。执行类似于

t=timeit（@（）a\b）的操作假设您事先声明了
a
和
b
。使用
timeit
将花费一点时间进行测试，因为它会多次执行要计时的操作并找到平均值。虽然R2013b中引入了此函数，但您可以在MATLAB FEX上找到它：。事实上，这个函数非常流行，这就是为什么它从R2013b开始可用的原因。您的比较不公平，因为MATLAB使用列主矩阵。@kangshiyin给出的示例代码，Matlab可能会使用类似的
dgesv
方法，因为
rand
不太可能生成具有任何特殊结构的矩阵。谢谢。我将DGESV参数改为LAPACK_COL_MAJOR，并在MATLAB和MKL中计算了100次（第一次的计算中包括预热时间，其他99次可能不包括预热时间）。结果是，MKL的速度快了1.76倍！！非常感谢。
ans =

  825.5090

ans =

   21.7870