MKL学习——矩阵向量操作

前言

前面介绍的BLAS Level 1是向量-向量的操作，而这里的BLAS Level 2主要还是对矩阵-向量之间的操作。命名规则与前面的一样，主要记住定义的是数据类型

s实数域，单精度
c复数域，单精度
d实数域，双精度
z复数域，双精度

也可结合起来，比如sc代表实数域和复数域的单精度类型，dz代表实数域和复数域的双精度类型。

所有函数概览

函数缺失部分描述
cblas_?gbmvs,d,c,z一般带状矩阵与向量的乘积
c_blas_?gemvs,d,c,z一般矩阵与向量的乘积
cblas_?gers,d一般矩阵的一阶更新
cblas_?gercc,z一般共轭矩阵的一阶更新
cblas_?genruc,z一般矩阵的一阶更新，非共轭
cblas_?hbmvc,zHermitian带状矩阵与向量的乘积
cblas_?hemvc,zHermitian矩阵与向量乘积
cblas_?herc,zHermitian矩阵的一阶更新
cblas_?her2c,zHermitian矩阵的二阶更新
cblas_?hpmvc,zHermitian压缩矩阵与向量的乘积
cblas_?hprc,zHermitian压缩矩阵的一阶更新
cblas_?hpr2c,zHermitian压缩矩阵的二阶更新
cblas_?sbmvs,d对称带状矩阵与向量之间的乘积
cblas_?spmvs,d对称压缩矩阵与向量的乘积
cblas_?sprs,d对称压缩矩阵的一阶更新
cblas_?spr2s,d对称压缩矩阵的二阶更新
cblas_?symvs,d对称矩阵与向量的乘积
cblas_?syrs,d对称矩阵的一阶更新
cblas_?syr2s,d对称矩阵的二阶更新
cblas_?tbmvs,d,c,z三角带状矩阵与向量的乘积
cblas_?tbsvs,d,c,z利用三角带状矩阵求解线性方程组
cblas_?tpmvs,d,c,z三角压缩矩阵与向量的乘积
cblas_?tpsvs,d,c,z利用三角压缩矩阵求解线性方程组
cblas_?trmvs,d,c,z三角矩阵与向量的乘积
cblas_?trsvs,d,c,z利用三角矩阵求解线性方程组

所有函数详情

cblas_?gbmv

  • 作用 : 一般带状矩阵与向量的乘积
  • 定义函数
void cblas_sgbmv (const CBLAS_LAYOUT Layout, const CBLAS_TRANSPOSE trans, const MKL_INT m, const MKL_INT n, const MKL_INT kl, const MKL_INT ku, const float alpha, const float *a, const MKL_INT lda, const float *x, const MKL_INT incx, const float beta, float *y, const MKL_INT incy);void cblas_dgbmv (const CBLAS_LAYOUT Layout, const CBLAS_TRANSPOSE trans, const MKL_INT m, const MKL_INT n, const MKL_INT kl, const MKL_INT ku, const double alpha, const double *a, const MKL_INT lda, const double *x, const MKL_INT incx, const double beta, double *y, const MKL_INT incy);void cblas_cgbmv (const CBLAS_LAYOUT Layout, const CBLAS_TRANSPOSE trans, const MKL_INT m, const MKL_INT n, const MKL_INT kl, const MKL_INT ku, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);void cblas_zgbmv (const CBLAS_LAYOUT Layout, const CBLAS_TRANSPOSE trans, const MKL_INT m, const MKL_INT n, const MKL_INT kl, const MKL_INT ku, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);

  • 运算

    ?gbmv是矩阵-向量的乘法

    y:=α∗A∗x+β∗yy:=α∗A′∗x+β∗yy:=α∗conjg(A′)∗x+beta∗y

    其中α,β是标量，x,y是向量，A是m∗n的矩阵，kl为次对角元(sub-diagonals)也就是i=j−1; ku是超对角元(super-diagonals)也就是i=j+1。

  • 输入参数

    Layout : 二维数组是行优先还是列优先

    trans : 对输入矩阵的变换情况。 CblasNoTrans表示不转置，CblasTrans表示转置，CblasConjTrans表示共轭转置

    m : 矩阵的行数

    n : 矩阵的列数

    kl : 矩阵次对角元的个数

    ku : 矩阵超对角元的个数

    alpha : 标量

    a : 数组大小lda∗n

    lda : 矩阵的引导维度，lda至少是(kl+ku+1)

    x : 数组，当trans=CblasNoTrans的时候至少是(1−(n−1)∗abs(incx))，其它情况是(1+(m−1)∗abs(incx))。输入之前，数组x必须包含向量x

    incx : 索引增量

    beta : 标量

    y : 数组，当trans=CblasNoTrans的时候，至少是(1+(m−1)∗abs(incy))，其它情况为(1+(n−1)∗abs(incy))。

    incy : 索引增量

  • 输出参数 : y是更新后的向量

cblas_?gemv

  • 作用 : 一般矩阵与向量之间的乘法

  • 定义函数

    void cblas_sgemv (const CBLAS_LAYOUT Layout, const CBLAS_TRANSPOSE trans, const MKL_INT m, const MKL_INT n, const float alpha, const float *a, const MKL_INT lda, const float *x, const MKL_INT incx, const float beta, float *y, const MKL_INT incy);void cblas_dgemv (const CBLAS_LAYOUT Layout, const CBLAS_TRANSPOSE trans, const MKL_INT m, const MKL_INT n, const double alpha, const double *a, const MKL_INT lda, const double *x, const MKL_INT incx, const double beta, double *y, const MKL_INT incy);void cblas_cgemv (const CBLAS_LAYOUT Layout, const CBLAS_TRANSPOSE trans, const MKL_INT m, const MKL_INT n, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);void cblas_zgemv (const CBLAS_LAYOUT Layout, const CBLAS_TRANSPOSE trans, const MKL_INT m, const MKL_INT n, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);

  • 运算

    y:=α∗A∗x+β∗yy:=α∗A′∗x+β∗yy:=α∗conjg(A′)∗x+β∗y

  • 输入参数

    Layout : 二维数组是行优先还是列优先

    trans : 对输入数据的三种变换trans=CblasNoTrans,CblasTrans,CblasConjTrans

    m : 矩阵A的行数

    n : 矩阵A的列数

    alpha : 标量

    a : 数组大小lda∗k。当Layout=CblasColMajor的时候，k=n;当Layout=CblasRowMajor的时候，k=m

    lda : 数组a的引导维度。对于Layout=CblasColMajor的时候，lda至少是max(1,m)，当Layout=CblasRowMajor的时候，lda至少是max(1,n)

    x : 数组，当trans=CblasNoTrans至少是(1+(n−1)∗abs(incx)),否则就至少为(1+(m−1)∗abs(incx))。

    incx : 索引增量

    beta : 标量

    y : 数组，当trans=CblasNoTrans至少是(1+(m−1)∗abs(incy)),否则就至少为(1+(n−1)∗abs(incy))。

    incy : 索引增量

  • 输出 : 更新矩阵y

cblas_?ger

  • 作用: 矩阵的一阶更新

  • 定义函数

    void cblas_sger (const CBLAS_LAYOUT Layout, const MKL_INT m, const MKL_INT n, const float alpha, const float *x, const MKL_INT incx, const float *y, const MKL_INT incy, float *a, const MKL_INT lda);void cblas_dger (const CBLAS_LAYOUT Layout, const MKL_INT m, const MKL_INT n, const double alpha, const double *x, const MKL_INT incx, const double *y, const MKL_INT incy, double *a, const MKL_INT lda);

  • 运算

    A:=α∗x∗y′+A

    其中α是标量，x是m维的向量，y是n维的向量，A是一个m*n的一般矩阵

  • 输入参数

    Layout: 二维数组是行优先还是列优先

    m : 矩阵A的行数

    n : 矩阵A的列数

    alpha : 标量

    x : 数组，至少是(1+(m−1)∗abs(incx))大小。

    incx : 索引增量

    y:数组，至少是(1+(n−1)∗abs(incy))的大小

    incy : 索引增量

    a : 数组，大小为lda*k。对于Layout=CblasColMajor那么k=n；对于Layout=CblasRowMajor,那么k−m

    lda : 引导维度。对于Layout=CblasColMajor，那么lda至少为max(1,m)；对于Layout=CblasRowMajor，那么lda至少为max(1,n)

  • 输出 : a是更新矩阵

cblas_?gerc

  • 作用 : 一般矩阵的一阶更新(共轭的)

  • 定义函数

    void cblas_cgerc (const CBLAS_LAYOUT Layout, const MKL_INT m, const MKL_INT n, const void *alpha, const void *x, const MKL_INT incx, const void *y, const MKL_INT incy, void *a, const MKL_INT lda);void cblas_zgerc (const CBLAS_LAYOUT Layout, const MKL_INT m, const MKL_INT n, const void *alpha, const void *x, const MKL_INT incx, const void *y, const MKL_INT incy, void *a, const MKL_INT lda);

  • 运算

    A:=α∗x∗conjg(y′)+A

    其中，α是一个标量，x是一个m维的向量，y是一个n维向量，A是一个m∗n的矩阵。

  • 输入参数:

    Layout : 指定行优先(CblasRowMajor)还是列优先(CblasColMajor)

    m : 矩阵的行

    n : 矩阵的列数

    alpha : 标量

    x : 数组，至少(1+(m−1)∗abs(incx))大小

    incx : 索引增量

    y : 数组，至少为(1+(n−1)∗abs(incy))

    incy : 索引增量

    a : 数组大小lda∗k,对于Layout=CblasColMajor,k=n；对于Layout=CblasRowMajor,k=m

    lda : 指定引导维度。对于Layout=CblasColMajor，lda必须至少为max(1,m)，对于Layout=CblasRowMajor，lda必须是max(1,n)

  • 输出 : a更新的矩阵

cblas_?geru

  • 作用 : 一般矩阵的一阶更新(非共轭)

  • 定义函数

    void cblas_cgeru (const CBLAS_LAYOUT Layout, const MKL_INT m, const MKL_INT n, const void *alpha, const void *x, const MKL_INT incx, const void *y, const MKL_INT incy, void *a, const MKL_INT lda);
void cblas_zgeru (const CBLAS_LAYOUT Layout, const MKL_INT m, const MKL_INT n, const void *alpha, const void *x, const MKL_INT incx, const void *y, const MKL_INT incy, void *a, const MKL_INT lda);

  • 运算

    A:=α∗x∗y′+A

    其中，x是m维的向量，y是n维的向量，A是m∗n的向量

  • 输入参数

    Layout : 指定二维数组的存储是行优先(CblasRowMajor)还是列优先(CblasColMajor)

    m : 矩阵A的行数

    n : 矩阵A的列数

    alpha : 标量

    x : 数组，至少(1+(m−1)∗abs(incx))

    incx : 索引增量

    y : 数组，至少(1+(n−1)∗abs(incy))

    incy : 索引增量

    a : 数组，大小为lada∗k

    lda : 主要索引维度,对于Layout=CblasColMajor，lda的值至少为max(1,m)；对于Layout=CblasRowMajor,lda的值至少为max(1,n)

  • 输出参数 : a更新完毕的矩阵

clbas_?hbmv

  • 作用 : 计算Hermitian带状矩阵与向量的乘法

  • 定义函数

    void cblas_chbmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const MKL_INT k, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);void cblas_zhbmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const MKL_INT k, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);

  • 运算

    y:=α∗A∗x+β∗y

    其中α和β是标量，x,y是n维向量，A是n∗n的Hermitian带状矩阵，具有k个超对角元。

  • 输入参数

    Layout : 指定行优先(CblasRowMajor)还是列优先(CblasColMajor)

    uplo : 指定Hermitian带状矩阵的上三角或者下三角部分,如果uplo=CblasUpper，那么矩阵的上三角部分被使用；如果uplo=CblasLower，使用的就是下三角部分

    n : 矩阵的阶

    k : 如果uplo=CblasUpper,指定的是矩阵A的超对角元的个数；如果up=CblasLower，指定的就是矩阵的次对角元的个数

    alpha : 标量

    a : 数组，大小lda∗n

    lda : 数组的引导维度，至少为(k+1)

    x : 矩阵，至少为(1+(n−1)∗abs(incx))

    incx : 索引增量

    beta : 标量

    y : 数组，至少为(1+(n−1)∗abs(incy))

    incy : 索引增量

  • 输出 : y更新以后的向量

cblas_?hemv

  • 作用 : 使用Hermitian矩阵乘以向量
  • 定义函数
void cblas_chemv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);void cblas_zhemv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);
  • 运算
    y:=α∗A∗x+β∗y

    其中，α和β是标量,x,y是n为向量，A是n∗n的Hermitian矩阵

cblas_?her

  • 作用 : Hermitian矩阵的一阶更新

  • 定义函数

    void cblas_chemv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);void cblas_zhemv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *a, const MKL_INT lda, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);

  • 运算

    A:=α∗x∗conjg(x′)+A

    其中α和β是标量，x是n维向量，A是n维Hermitian矩阵

cblas_?her2

  • 作用 : Hermitian矩阵的二阶更新

  • 定义函数

    void cblas_cher2 (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *x, const MKL_INT incx, const void *y, const MKL_INT incy, void *a, const MKL_INT lda);
void cblas_zher2 (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *x, const MKL_INT incx, const void *y, const MKL_INT incy, void *a, const MKL_INT lda);

  • 运算

    A:=α∗x∗conjg(y′)+conjg(α)∗y∗congj(x′)+A

    其中, α是标量，x,y是n维矩阵，A是n∗n的Hermitian矩阵

cblas_?hpmv

  • 作用: 使用Hermitian计算矩阵-向量的乘积

  • 定义函数

    void cblas_chpmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *ap, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);
void cblas_zhpmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *ap, const void *x, const MKL_INT incx, const void *beta, void *y, const MKL_INT incy);

  • 运算

    y:=α∗A∗x+β∗y

    其中，α,β是标量，x,y是n为向量，A是一个n∗n的矩阵，使用压缩存储形式

cblas_?hpr

  • 作用 : Hermitian压缩矩阵的一阶更新

  • 定义函数

    void cblas_chpr (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const float alpha, const void *x, const MKL_INT incx, void *ap);void cblas_zhpr (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const double alpha, const void *x, const MKL_INT incx, void *ap);void cblas_chpr (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const float alpha, const void *x, const MKL_INT incx, void *ap);void cblas_zhpr (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const double alpha, const void *x, const MKL_INT incx, void *ap);

  • 运算

    A:=α∗x∗conjg(x′)+A

    其中α是标量，x是n为向量，A是Hermitian矩阵，提供的是压缩形式

cblas_?hpr2

  • 作用 : Hermitian压缩矩阵的二阶更新

  • 定义函数

    void cblas_chpr2 (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *x, const MKL_INT incx, const void *y, const MKL_INT incy, void *ap);void cblas_zhpr2 (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const void *alpha, const void *x, const MKL_INT incx, const void *y, const MKL_INT incy, void *ap);

  • 运算

    A:=α∗x∗conjg(y′)+conjg(α)∗y∗conjg(x′)+A

    其中，α是标量，x,y是n维向量,A是n∗n的Hermitian矩阵，使用压缩存储方式

cblas_?sbmv

  • 作用 : 对称带状矩阵与向量的乘积

  • 定义函数

    void cblas_ssbmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const MKL_INT k, const float alpha, const float *a, const MKL_INT lda, const float *x, const MKL_INT incx, const float beta, float *y, const MKL_INT incy);void cblas_dsbmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const MKL_INT k, const double alpha, const double *a, const MKL_INT lda, const double *x, const MKL_INT incx, const double beta, double *y, const MKL_INT incy);

  • 运算

    y:=α∗A∗x+β∗y

    其中α和β是标量,x,y是n为向量，A是n∗n的对称带状矩阵，具有k个对角元

cblas_?spmv

  • 作用:对称压缩矩阵与向量的乘积

  • 定义函数

    void cblas_sspmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const float alpha, const float *ap, const float *x, const MKL_INT incx, const float beta, float *y, const MKL_INT incy);void cblas_dspmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const double alpha, const double *ap, const double *x, const MKL_INT incx, const double beta, double *y, const MKL_INT incy);

  • 运算

    y:=α∗A∗x+β∗y

    其中，α,β是标量，x,y是n维向量，A是n∗n的对称矩阵，以压缩方式提供

cblas_?spr

  • 作用 : 对称压缩矩阵的一阶更新

  • 定义函数

    void cblas_sspr (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const float alpha, const float *x, const MKL_INT incx, float *ap);void cblas_dspr (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const double alpha, const double *x, const MKL_INT incx, double *ap);

  • 运算

    a:=α∗x∗x′+A

    其中,α是标量，x是n维向量，A是n∗n维对称矩阵，提供的是压缩存储形式

cblas_?spr2

  • 作用 : 对称压缩矩阵的二阶更新

  • 定义函数

    void cblas_sspr2 (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const float alpha, const float *x, const MKL_INT incx, const float *y, const MKL_INT incy, float *ap);void cblas_dspr2 (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const double alpha, const double *x, const MKL_INT incx, const double *y, const MKL_INT incy, double *ap);

  • 运算

    A:=α∗x∗y′+α∗y∗x′+A

    其中,α是标量,x,y是n维向量，A是n∗n维对称矩阵，以压缩方式提供

cblas_?symv

  • 作用 : 计算对称矩阵与向量的乘积

  • 定义函数

    void cblas_ssymv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const float alpha, const float *a, const MKL_INT lda, const float *x, const MKL_INT incx, const float beta, float *y, const MKL_INT incy);void cblas_dsymv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const double alpha, const double *a, const MKL_INT lda, const double *x, const MKL_INT incx, const double beta, double *y, const MKL_INT incy);

  • 运算

    y:=α∗A∗x+β∗y

    其中α,β是标量，x,y是n维向量，A是n∗n的对称矩阵

cblas_?syr

  • 作用 : 对称矩阵的一阶更新

  • 定义函数

    void cblas_ssyr (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const float alpha, const float *x, const MKL_INT incx, float *a, const MKL_INT lda);void cblas_dsyr (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const double alpha, const double *x, const MKL_INT incx, double *a, const MKL_INT lda);

  • 运算

    A:=α∗x∗x′+A

    其中，α是标量，x是n维向量,A是$n*n的矩阵

cblas_?syr2

  • 作用 : 对称矩阵的二阶更新

  • 定义函数

    void cblas_ssyr2 (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const float alpha, const float *x, const MKL_INT incx, const float *y, const MKL_INT incy, float *a, const MKL_INT lda);void cblas_dsyr2 (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const MKL_INT n, const double alpha, const double *x, const MKL_INT incx, const double *y, const MKL_INT incy, double *a, const MKL_INT lda);

  • 运算

    A:=α∗x∗y′+α∗y∗x′+A

    其中,α是标量，x,y是n维向量，A是n∗n的矩阵

cblas_?tbmv

  • 作用 : 使用三角带状矩阵，计算矩阵-向量乘积

  • 定义函数

    void cblas_stbmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const MKL_INT k, const float *a, const MKL_INT lda, float *x, const MKL_INT incx);void cblas_dtbmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const MKL_INT k, const double *a, const MKL_INT lda, double *x, const MKL_INT incx);void cblas_ctbmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const MKL_INT k, const void *a, const MKL_INT lda, void *x, const MKL_INT incx);void cblas_ztbmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const MKL_INT k, const void *a, const MKL_INT lda, void *x, const MKL_INT incx);

  • 运算

    x:=A∗xx:=A′∗xx:=conjg(A′)∗x,

    其中，x是n为向量，A是n∗n单位或者非单位，上三角或者下三角的带状矩阵，具有(k+1)对角元

cblas_?tbsv

  • 作用 : 解线性方程组，要求系数是三角带状矩阵

  • 定义函数

    void cblas_stbsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const MKL_INT k, const float *a, const MKL_INT lda, float *x, const MKL_INT incx);void cblas_dtbsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const MKL_INT k, const double *a, const MKL_INT lda, double *x, const MKL_INT incx);void cblas_ctbsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const MKL_INT k, const void *a, const MKL_INT lda, void *x, const MKL_INT incx);void cblas_ztbsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const MKL_INT k, const void *a, const MKL_INT lda, void *x, const MKL_INT incx);

  • 运算

    A∗x=bA′∗x=bconjg(A′)∗x=b

    其中,b,x是n维向量，A是n∗n的单元或者非单元，上三角或者下三角带状矩阵，具有(k+1)个对角元

cblas_?tpmv

  • 作用 : 使用三角压缩矩阵计算矩阵-向量的乘积

  • 定义函数

    void cblas_stpmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const float *ap, float *x, const MKL_INT incx);void cblas_dtpmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const double *ap, double *x, const MKL_INT incx);void cblas_ctpmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const void *ap, void *x, const MKL_INT incx);void cblas_ztpmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const void *ap, void *x, const MKL_INT incx);

  • 运算

    x:=A∗xx:=A′∗xx:=conjg(A′)∗x

    其中x是一个n维的向量，A是一个n∗n的单元或者非单元，上三角或者下三角，以压缩方式提供

cblas_?tpsv

  • 作用 : 解线性方程组，但是系数需要是三角压缩矩阵

  • 定义函数

    void cblas_stpsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const float *ap, float *x, const MKL_INT incx);void cblas_dtpsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const double *ap, double *x, const MKL_INT incx);void cblas_ctpsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const void *ap, void *x, const MKL_INT incx); void cblas_ztpsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const void *ap, void *x, const MKL_INT incx);

  • 运算

    A∗x=bA′∗x=bconjg(A′)∗x=b,

    其中，b,x是n维向量，A是n∗n的单位或者非单位，上三角或者下三角矩阵，提供压缩方式存储

cblas_?trmv

  • 作用 : 使用三角阵计算矩阵-向量的乘积

  • 定义函数

    void cblas_strmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const float *a, const MKL_INT lda, float *x, const MKL_INT incx);void cblas_dtrmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const double *a, const MKL_INT lda, double *x, const MKL_INT incx);void cblas_ctrmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const void *a, const MKL_INT lda, void *x, const MKL_INT incx);void cblas_ztrmv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const void *a, const MKL_INT lda, void *x, const MKL_INT incx);

  • 运算

    x:=A∗xx:=A′∗xx:=conjg(A′)∗x

    其中，x是n维向量，A是n∗n维的单元或者非单元，下三角或者上三角矩阵

cblas_?trsv

  • 作用 : 解线性方程组，但是系数是三角矩阵

  • 定义函数

    void cblas_strsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const float *a, const MKL_INT lda, float *x, const MKL_INT incx);void cblas_dtrsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const double *a, const MKL_INT lda, double *x, const MKL_INT incx);void cblas_ctrsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const void *a, const MKL_INT lda, void *x, const MKL_INT incx);void cblas_ztrsv (const CBLAS_LAYOUT Layout, const CBLAS_UPLO uplo, const
CBLAS_TRANSPOSE trans, const CBLAS_DIAG diag, const MKL_INT n, const void *a, const MKL_INT lda, void *x, const MKL_INT incx);

  • 运算

    A∗x=bA′∗x=bconjg(A′)∗x=b,

    其中,b,x是n维向量，A是n∗n的单位或者非单位，上三角或者下三角矩阵

后续

后续对矩阵-矩阵的运算进行学习，然后就是对这里面很多参数和名词做一个了解，最后就是使用C++实现以下常用的运算了。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/246654.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

MKL学习——矩阵矩阵操作

MKL学习——矩阵矩阵操作

前言 前面介绍了BLAS Level 1中向量-向量操作，以及BLAS Level 2中矩阵-向量的操作，就剩下这一篇的BLAS Level 3中的矩阵-矩阵的操作了。对稀疏矩阵的操作以后等要用再看看。对基本的矩阵和向量运算的函数有所了解以后，就进行常用参数分析&am…
阅读更多...
MKL学习——线性代数概念相关

MKL学习——线性代数概念相关

前言 回顾一下BLAS Level 1 2 3中的运算都有什么类型 BLAS Level 1 在BLAS Level 1中，进行的是向量-向量的操作。其中相关概念有 向量类型: 实数域，复数域，共轭运算操作: 元素求和，向量相加，向量拷贝，点乘…
阅读更多...
MKL学习——基本操作C++实现

MKL学习——基本操作C++实现

前言 前面介绍了各种向量-向量，矩阵-向量，矩阵-矩阵的函数简介。根据自身目前状况，主要使用实数域的操作，也就是说关注单精度float类型的s和双精度double类型的d。还有就是用的基本都是全矩阵，没有经过压缩&#xff0…
阅读更多...
相机矩阵(Camera Matrix)

相机矩阵(Camera Matrix)

前言 最近翻阅关于从2D视频或者图片中重构3D姿态的文章及其源码，发现都有关于摄像机参数的求解，查找了相关资料，做一下笔记。 国际惯例，来一波参考网址 透视变换、透镜畸变及校正模型、相机校正(Camera Calibration)、Matlab相…
阅读更多...
损失函数梯度对比-均方差和交叉熵

损失函数梯度对比-均方差和交叉熵

前言 我们都知道在机器学习中，希望算法或者网络收敛更快，有些是对数据预处理，尤其是Batch Normalization，有些是采用不同的激活函数，尤其是Relu激活函数取得了巨大的成功，还有一种加速收敛方法是更换损失函…
阅读更多...
如何选择深度学习优化器

如何选择深度学习优化器

前言 转载地址：如何选择深度学习优化器 作者：不会停的蜗牛 CSDN AI专栏作家 在很多机器学习和深度学习的应用中，我们发现用的最多的优化器是 Adam，为什么呢？ 下面是 TensorFlow 中的优化器， https://w…
阅读更多...
【caffe-Windows】以mnist为例的hdf5单标签处理——matlab实现

【caffe-Windows】以mnist为例的hdf5单标签处理——matlab实现

前言 主要是想尝试看一下多标签的caffe是如何进行输入输出的，但是目前还未找到基于原始caffe做多标签输入的代码，大部分都是基于源码做了一部分修改实现多标签分类，caffe官网倒是有一个多标签的Python程序，这个我慢慢研究研究&am…
阅读更多...
【caffe-Windows】基于Python多标签方法——VOC2012数据集

【caffe-Windows】基于Python多标签方法——VOC2012数据集

前言 按照上一篇博客所遗留的话题：多标签分类，进行初步探索，此篇博客针对caffe官网的多分类进行配置，只不过是Python接口的，不过官网在开头说明可以使用HDF5或者LMDB进行操作，只不过Python更加方便罢了 国…
阅读更多...
【theano-windows】学习笔记一——theano中的变量

【theano-windows】学习笔记一——theano中的变量

前言 因为目前需要搭建一些关于RBM或者其他之类的模型，感觉不太会折腾caffe，然而我发现了几个有趣网址，使用theano实现了各种各样的模型，所以，尝试学一下theano。主要以官方教程为主，所以博客会以译文的方…
阅读更多...
【theano-windows】学习笔记二——theano中的函数和共享参数

【theano-windows】学习笔记二——theano中的函数和共享参数

前言 上一篇博客中学到了theano中的变量类型，也就是dscalar、dvector之类的, 然后还有一个theano.function和eval函数, 将我们所定义的操作转换成theano可执行的函数，类似于def, 还有就是简单的线性代数运算操作。 在神经网络(NN)中, 我们声明了权重、…
阅读更多...
【theano-windows】学习笔记三——theano中的导数

【theano-windows】学习笔记三——theano中的导数

前言 就一个NN而言，包含梯度、偏置、参数更新，而前面第一篇博客学习了theano中符号变量的定义, 第二篇博客学习了变量的随机初始化, 变量之间的互相操作(类似于sigmoid(w∗xb)), 但是参数更新还应涉及到损失函数的偏导计算，这一章节就是看看…
阅读更多...
【theano-windows】学习笔记四——theano中的条件语句

【theano-windows】学习笔记四——theano中的条件语句

前言 按照官网教程，学习条件语句Switch和ifelse的使用 参考地址: conditions 性能对比 ifElse是将布尔变量和两个变量当做输入 Switch是将张量和两个变量当做输入. 因为Switch是元素级操作，所以比ifElse更具一般性 Switch需要对所有输出变量进行评…
阅读更多...
【theano-windows】学习笔记五——theano中张量部分函数

【theano-windows】学习笔记五——theano中张量部分函数

前言 至此感觉应该可以写出一个logistic回归程序了，但是为了达到对theano中张量的更灵活的使用, 还是先看一下thenao.tensor对变量都提供了哪些操作，最全的文档戳这里或者这里, 这里就稍微摘取一点自我感觉以后可能用得多的函数 基本张量函数 创建张量…
阅读更多...
【theano-windows】学习笔记六——theano中的循环函数scan

【theano-windows】学习笔记六——theano中的循环函数scan

前言 Scan是Theano中最基础的循环函数, 官方教程主要是通过大量的例子来说明用法. 不过在学习的时候我比较习惯先看看用途, 然后是参数说明, 最后再是研究实例. 国际惯例, 参考网址 官网关于Scan的11个例子 官网更全面的介绍 简介 用途 递归的一般形式, 可以被用于循环s…
阅读更多...
多标签分类、多任务分类、多输出回归概念

多标签分类、多任务分类、多输出回归概念

前言 虽然不是搞分类的，但是还是看看多标签和多分类的区别。为了避免自己的错误理解, 当然是选择原谅他啊…….找正规文档看哇. 以下翻译分别来自scikit-learn.org和 维基 喂鸡百科 国际惯例，贴上来源: Multiclass and multilabel algorithms Multi-…
阅读更多...
【theano-windows】学习笔记七——logistic回归

【theano-windows】学习笔记七——logistic回归

前言 前面只是学了最基本的theano操作，但是theano中还有很多其他的东西，比如图结构，自定义函数等，这些暂时没有用到就先不看了，后续学啥用啥，没必要一口气吃个胖子，免得消化不良还把前面吃的东…
阅读更多...
【theano-windows】学习笔记八——预备知识

【theano-windows】学习笔记八——预备知识

前言 按照上一个博客所说的，直接按照深度学习0.1文档进行学习，当然在此之前我们需要了解这一系列教程所需要的数据集，以及一些概念性的东西 国际惯例，参考博客网址： 深度学习0.1文档 深度学习0.1文档-中文翻译 基…
阅读更多...
【theano-windows】学习笔记九——softmax手写数字分类

【theano-windows】学习笔记九——softmax手写数字分类

前言 上一篇博客折腾了数据集的预备知识, 接下来按照官方的Deep learning 0.1 documentation一步步走, 先折腾softmax, 关于softmax和logistic回归分类的联系, 我在之前写过一个小博客 国际惯例, 参考博客走一波: Classifying MNIST digits using Logistic Regression soft…
阅读更多...
【theano-windows】学习笔记十——多层感知机手写数字分类

【theano-windows】学习笔记十——多层感知机手写数字分类

前言 上一篇学习了softmax, 然后更进一步就是学习一下基本的多层感知机(MLP)了. 其实多层感知机同时就是w*xb用某个激活函数激活一下, 得到的结果作为下一层神经元的输入x, 类似于 output⋯f3(f2(f1(x∗w1b2)∗w2b2)∗w3b3)⋯output=\cdots f^3(f^2(f^1(x*w^1+b^2)*w^2+b^2)*…
阅读更多...
【theano-windows】学习笔记十一——theano中与神经网络相关函数

【theano-windows】学习笔记十一——theano中与神经网络相关函数

前言 经过softmax和MLP的学习, 我们发现thenao.tensor中除了之前的博客【theano-windows】学习笔记五——theano中张量部分函数提到的张量的定义和基本运算外, 还有一个方法称为nnet, 如果自己实现过前面两篇博客中的代码就会发现用到了theano.tensor.nnet.sigmoid和thenao.te…
阅读更多...
最新文章

Copyright @ 2022~2023