NVBLAS无法进行半大矩阵乘法

文章/答案/技术大牛

发布

1回答

matrix、octave、nvblas

我按照的说明用nvblas运行octave。我已经安装了CUDA工具包7.5和一个特斯拉k40c图形处理器。要使用nvblas启动octave，我使用了LD_PRELOAD=libnvblas.so octave。然后我运行了以下简单的代码：A = rand(N,N)A*B注意:如果我制作A和B单位矩阵，这不会发生，但它仍然发生在A=B=o

浏览 17提问于2016-07-22得票数 1

回答已采纳

1回答

我测试了执行矩阵乘法的应用程序，并尝试将负载转移到nvblas的gpu上。在nvblas.conf中，除了(A)更改auto_pin的路径(B)启用openblas内存之外，我将所有内容都保留为默认值。我看到nvblas.log说使用"Devices 0“，没有其他输出。a.cuda.out上的ldd显示它与nvblas、cublas、cudart和cpu openblas库链接。我在这里犯了什么错误吗？

浏览 15提问于2018-07-26得票数 0

回答已采纳

1回答

变换矩阵乘法按矩阵类型，C++

c++、function、pointers、matrix、multiplication

理论上，让我们假设我们要对3D同质(4x4)变换矩阵的每个不同组合(平移、旋转、缩放)的矩阵乘法进行硬编码，然后对这些(平移-旋转、平移-缩放、缩放-旋转)的每个可能的结果进行硬编码。假设我们像这样处理矩阵乘法，每个矩阵类型组合都有一个不同的函数，其中每个矩阵都有一个额外的变量( type )，并且使用的特定函数是在运行时确定的(使用函数指针数组)。如果我们应用这种矩阵乘法，理论上它会比基本的、标准

浏览 3提问于2012-05-14得票数 1

回答已采纳

1回答

矩阵乘法用的dgemm还是dgemm？

performance、lapack

我知道dgemv是矩阵向量的，但是哪一个更有效？直接用dgemm进行矩阵乘法，或用dgemv将矩阵A与矩阵B的每个列相乘，用dgemv进行矩阵乘法。

浏览 2提问于2013-08-23得票数 2

1回答

带有ArrayFire的多个主机线程

python、gpgpu、arrayfire

我们目前有一个高度并行的CPU专用代码，使用Open和mpi4py并行化.每个CPU线程执行大型矩阵乘法，通常与多个线程同时相乘。我们希望通过使用ArrayFire在单个GPU上执行矩阵乘法来提高性能。我很难找到答案，因为我不太精通GPU计算语言。我的印象是某些GPU支持并发内核执行

浏览 3提问于2018-01-11得票数 2

回答已采纳

1回答

matlab中滤波与滤波矩阵的相乘

matlab、matrix、filter、multiplication

我想根据一个指定的准则过滤我的矩阵，然后对过滤矩阵进行乘法，然后将被过滤的矩阵与矩阵的剩余部分连接起来。例如，我的矩阵A如下： 1 2 3 4然后，我将根据第二行对其进行筛选，对其进行乘法:由exp(-0.5)选择值为<=4的列项进行乘法然后，我想让新行分配给过滤列的总初始矩阵。

浏览 8提问于2015-05-27得票数 0

回答已采纳

1回答

MATLAB:我试图绘制向量函数的表面表示，但是使用*符号进行乘法时会出现一个错误。

matlab、plot、physics、spherical-coordinate

index_pos), z_n(index_pos));surf(x_n(index_neg), y_n(index_neg), z_n(index_neg)); 可能还有其他错误，但我甚至无法检查

浏览 7提问于2022-11-29得票数 0

1回答

PyTorch方法中使用了哪些类型的优化？

multithreading、optimization、pytorch、speedus

我使用torch.mm或torch.dot等方法，使用PyTorch实现了一系列密集的矩阵运算。我想知道PyTorch是否使用了多线程或其他优化机制来加速这个过程。我没有使用GPU。

浏览 20提问于2019-01-26得票数 1

回答已采纳

1回答

整数矩阵乘法运算符

c#、ilnumerics

但是，矩阵乘法运算符*被设置为ILMath.multiplyElem，即元素乘法。我想知道为什么不让它成为ILMath.multiply，这是与matlab一致的标准矩阵乘法，使用起来更自然。在数学中，按元素进行乘法较少使用。我认为将*行为更改为正常的矩阵乘法会更好。

浏览 2提问于2014-04-09得票数 0

1回答

N个月数循环的矩阵乘法

r、loops、matrix

我有一个链式的矩阵乘法问题。我只有一个输入矩阵A，将保存矩阵B <-矩阵A.需要以以下方式进行乘法B * C = DD * E = F2 3代码： a = matrix( c(2, 3, 4, 2), nrow=2, ncol=2, byrow = TRU

浏览 2提问于2017-12-12得票数 1

回答已采纳

1回答

使用两种不同大小矩阵的MATLAB -元素向矩阵乘法

arrays、matlab、matrix

我想在MATLAB中使用下面的2x2x3矩阵进行元素矩阵乘法。，一些元素在某些矩阵的维度，如果使用在一个元素的方向乘法。72 71 40 43>> filtered=double现在，假设我有一个大矩阵，像1500x1500x3矩阵</

浏览 5提问于2017-09-01得票数 0

回答已采纳

1回答

如何在mathematica中重载矩阵乘法的Time和Plus

wolfram-mathematica

我想在mathematica中重载用于矩阵乘法的Times和Plus，例如，让Times为BitAnd，Plus为BitOr，然后进行矩阵乘法。有没有办法以一种简单的方式做到这一点，而不用重写我自己的矩阵乘法呢？谢谢。

浏览 3提问于2011-03-10得票数 3

回答已采纳

1回答

优化numpy数组乘法：比numpy.dot快？*

python、arrays、performance、numpy、blas

( 2)在这种情况下，是否可以用numpy.dot()代替*来实现更快的数组乘法？我认为我遗漏了一条关键信息，这将回答问题1，这意味着numpy.dot()至少和*一样快，如果不是更快的话。为了提高程序输出的精度，我需要使用大数组(形状(2，2^14)及更大的)和较小的集成步骤，从而导致了每次模拟中大量的阵列乘法操作，这是我需要优化的速度。有了，似乎应该使用numpy.dot()来加快相对于*的数组乘法，只要安装了BLAS并使用numpy。这是经常建议的。然而，当我使用下面的计时器脚本时，*比numpy.dot()至少快7倍。

浏览 4提问于2017-01-05得票数 1

回答已采纳

1回答

如何在pytorch中将密集矩阵与稀疏矩阵元素相乘

pytorch、sparse-matrix

我可以使用torch.sparse.mm()或torch.spmm()直接在稀疏矩阵和稠密矩阵之间进行乘法，但是我应该选择哪个函数来进行元素乘法呢？

浏览 257提问于2019-07-04得票数 5

1回答

如何将元素乘法和矩阵乘法结合起来

python、numpy、matrix、scipy

我试图将两个矩阵的元素乘法和矩阵乘法结合起来：我想对前二维(N，N)进行元素运算，对最后两个维执行矩阵乘法。目标是得到一个(N，N，3，1)矩阵。我在numpy找不到好的手术，我想知道是否有合适的手术？谢谢!

浏览 4提问于2020-12-27得票数 0

1回答

矩阵(枕叶稀疏)-矩阵(稠密；数字阵列)乘法效率

python、numpy、scipy

这里A通常是稀疏矩阵，但rhs和u可以是稠密矩阵，也可以是向量。为了进行基于梯度的反演，需要进行灵敏度计算，需要大量的矩阵矩阵和矩阵向量乘法。最近，我在矩阵(稀疏)-矩阵(稠密)乘法中发现了一种奇怪的行为，下面是一个例子：import scipy.sparse as spm#10 loops, best of 3: 98.4 ms

浏览 6提问于2017-04-21得票数 3

回答已采纳

2回答

我可以使用np.matrix计算按元素划分的产品吗？

python、arrays、numpy、matrix

我知道我可以使用numpy数组使用.dot语法进行矩阵乘法。规则的*乘法是按元素进行乘法的.print 'matrix multiplication', a.dot(a) print 'element-wise(例如，“点积”通常是按元素计算的，而常规乘积通常是一个完整的矩阵乘法)。好的是矩阵乘法使用了*运算符，但是我要了解如何<

浏览 3提问于2016-10-31得票数 0

回答已采纳

1回答

csrmv/csrmm中的CUSPARSE内部格式转换

cuda

我使用CUSPARSE函数来执行稀疏矩阵-向量/矩阵-矩阵乘法。稀疏矩阵以CSR格式存储。在Visual下对应用程序进行分析时，我注意到，对于每个对profiling (S/D)csrmv或csrmm(S/D)csrmm的调用，都有一个内存分配/memset/copy。通过查看分析器中的内核名称，它看起来就像CUSPARSE在每次调用时将矩阵从CSR格式转换为HYB格式，这在我的情况下是浪费时间的，因为我可以在启动计算

浏览 3提问于2013-07-23得票数 2

回答已采纳

2回答

初始化两个大的401X401二维阵列并在C++中进行快速矩阵乘法

c++、matrix、vector、dynamic-arrays

我想初始化两个尺寸为401X401的二维矩阵，并以一种快速的方式将它们相乘。但最可能的原因是stack overflow，两个双2D矩阵没有像这个问题中所说的那样初始化：。根据以下建议，我使用vectors of vectors存储我的2D矩阵。但我想做快速矩阵乘法，因为时间是我的一个重要因素。有人建议不要为此目的使用vectors of vectors：。，我如何既能同时初始化两个大矩阵，又能快速地进行矩阵乘法呢？，如果我坚持向量向

浏览 3提问于2022-04-24得票数 -1

回答已采纳

点击加载更多