Blas和Lapack库是否有本地C++ (而不是C)接口？
目前，有：
- cblas随布拉斯一起运输，
- lapacke随拉马克一起装运，
然而，这些都是C接口。
显然，您可以在C++代码中使用它们，但是如果这些接口是为C++设计的，则不能获得所有的好处。所以我的问题是：是否存在于本机C++?中？
回答 2
Stack Overflow用户
发布于 2017-12-14 13:51:45
最近，田纳西大学发布了这两个接口：
使用这些本机C++实现有一些直接的好处。
让我们考虑一个基本的泛型编程示例：
假设您想要缩放一个向量：v = alpha*v，这要归功于?scal函数。
和cblas，如果您想要“泛型”的东西，即它对于所有受支持的标量类型(float、double、complex<float>、complex<double>、.)都具有相同的接口，那么所有C函数都必须包装：
void scal(cblas_int n,float alpha, float *x, cblas_int inc) {
...
cblas_sscal(n,alpha,x,inc); <- s for float
}
void scal(cblas_int n,double alpha, double *x, cblas_int inc) {
...
cblas_dscal(n,alpha,x,inc); <- d for double
}
// do the same for complex<float>, complex<double> ...这是因为在C中，如果两个函数有不同的名称：cblas_sscal、cblas_dscal.在C++中，您可以使用相同的名称scal，这是根据其参数分配给正确函数的编译器任务，在这里float，double.
现在的情况。与提到的https://bitbucket.org/icl/blaspp C++本机接口，这个样板代码已经写了一次了。例如，如果您查看scal.hh头文件，您有：
void scal(int64_t n, float alpha, float *x, int64_t incx ) { ... }
void scal(int64_t n, double alpha, double *x, int64_t incx ) { ... }
void scal(int64_t n, std:complex<float> alpha, std:complex<float> *x, int64_t incx ) { ... }
void scal(int64_t n, std:complex<double> alpha, std:complex<double> *x, int64_t incx ) { ... }甚至还有一个通用的实现：
template<typename T>
void scal(int64_t n, T alpha, T *x, int64_t incx ) { ... }因此，使用这个C++接口，很容易为您的收藏矢量/矩阵类型定义一个通用接口。例如，使用std::vector<T>，您只需编写(独立于实际T类型)：
template<typename T>
void scal(T alpha, std::vector<T>& v) {
scal(v.size(),alpha,v.data(),1);
}不再有样板代码！
然而，要注意的是：
- 还没有为所有子程序实现泛型实现，例如：
。
template< typename TA, typename TX >
void trmm(
blas::Layout layout,
blas::Side side,
blas::Uplo uplo,
blas::Op trans,
blas::Diag diag,
int64_t m,
int64_t n,
typename blas::traits2<TA, TX>::scalar_t alpha,
TA const *A, int64_t lda,
TX *B, int64_t ldb )
{
throw std::exception(); // not yet implemented
}- 前面的例子使用了blas，但是，对于有数百个封装子例程的来说，它更有趣。
Stack Overflow用户
发布于 2017-12-14 14:23:56
这并不是你想要的，但是建议Blaze C++文库
Blaze是一个开源的、高性能的C++数学库，用于密集和稀疏算法.凭借其最先进的智能表达式模板实现，Blaze将领域特定语言的优雅和易用性与HPC级别的性能结合在一起，使其成为可用的最直观和最快的C++数学库之一。 烈火图书馆提供..。
- ..。通过集成BLAS库和手动调优HPC数学内核来实现高性能
- ..。用SSE、SSE2、SSE3、SSSE3、SSE4、AVX、AVX2、AVX-512、FMA和SVML进行矢量化。
- ..。由OpenMP、C++11线程和Boost线程并行执行
- ..。领域特定语言的直观易用的API
- ..。密集稀疏向量矩阵的统一算法
- ..。经过充分检验的矩阵和向量算法
- ..。完全可移植的，高质量的C++源代码
我没有亲自使用它，但是基准显示，这个库运行得很好。开发社区非常友好，开放供讨论。
https://stackoverflow.com/questions/47814995
复制相似问题
腾讯云开发者
