朱莉娅的OpenCLBLAS

我对julia语言感到非常惊讶，在我当前的项目中实现了很多机器学习算法。尽管julia 0.2在我2011年的MBA课程中取得了一些很好的成绩，在类似的linux硬件上（我想是由于vecLib blas），我肯定会想要更多。我正在购买radeon 5870，并希望将我的矩阵运算推广到那里。我基本上只使用简单的BLAS操作，如matmul、additios和transpositions。我使用julia的紧凑语法A'*B+C，当然希望保留它

---

有什么方法（或待定的里程碑）可以让这些基本操作在GPU上执行吗？我有2500x2500个单精度矩阵，所以我希望有显著的加速。

我不认为现在计划将GPU集成到Julia的核心中。其中一个关键问题是，将数据移动到GPU和从GPU移出会产生大量开销，这使得更换BLAS操作变得不可行

---

我预计，这方面的大部分进展实际上将来自软件包生态系统，特别是本组织下的软件包。我看到里面有一个CLBLAS软件包。

是的，我看到了CLBLAS。然而，julia的一个主要建议是她简洁的语法。我可以在C或fortran中使用OpenCL，但这并不有趣。像CLBlas这样的库添加了晦涩的语法，这太可怕了。我相信这是可以解决的，但遗憾的是，它还没有发生。再想想，也许a可以隐藏一些语法丑陋的宏。。。但是，在更深层次上替换线性代数方法会更好。当然，其他语言也有其他BLAS库，因此如果Julia可以与这些语言中的任何一种进行互操作，您应该能够访问它们。我不知道Julia，但是如果它有某种运算符重载，你应该能够用你的语法包装外部库。Julia可以使用其他BLAS库，并且有“运算符重载”。但这不是问题所在。问题是你是否可以直接用GPU驱动的BLAS替换默认BLAS——答案是否定的，因为在大多数情况下，将数据移动到GPU或从GPU移出的开销可能会超过任何好处。正确的方法是，在包中定义GPUMatrix类型，提供将矩阵显式转换为GPUMatrix的方法，然后为GPUMatrix定义+*等以使用，例如CLBLAS。如果这还不存在的话，我不认为很难开始。