相关文章推荐
强健的手套  ·  潘长江·  3 月前    · 
率性的稀饭  ·  电子与信息工程学院·  1 年前    · 
谦和的手术刀  ·  年味渐浓海外中餐馆迎春筹备忙·  1 年前    · 
独立的扁豆  ·  实拍C4毕加索七座版第三排并不是鸡肋_太平洋汽车网·  2 年前    · 
还单身的熊猫  ·  十大已完结网游小说网游小说完本推荐每一部都是 ...·  2 年前    · 
小百科  ›  编译安装 R 并启用 Intel MKL 支持 - Jackie's Personal Blog
gnu lib linux编译 lib文件
任性的风衣
4 月前

微软似乎放弃 Microsoft R Open 这个项目了，那么以前写的 Microsoft R Open 的安装和配置 也就成了过去式了。我一直是同时用两个版本 R 的，在 Windows 上这个实现起来很简单，因为 Windows 上多个版本 R 本来就是可以共存的。但是在 Linux，至少是 Debian 上，这个就没那么简单了。以前 MRO 和 vanilla R 共存也算很优雅地解决了这个问题。现在要想多个版本就只能自己编译一个 R 了。

R 源码直接从 r-project.org 下载。然后就是 MKL 的问题了，查了很多资料试了很多办法（看看文末的参考链接就知道了），但是发现大部分资料基本上都是过时的。MKL 以往对于 Linux（至少是 Debian 和 Ubuntu）都是没有很好的支持的，但是可喜的是现在我发现现在 Debian 的官方 non-free 仓库里已经有 MKL 了！所以至少安装 MKL 就很简单了。

安装和配置 MKL

Debian 仓库是有 MKL， apt search intel-mkl 会发现有 intel-mkl 、 intel-mkl-cluster 和 intel-mkl-full 三个版本，分别 apt show 会发现各个版本的差别：

  • intel-mkl

    • This package pulls the basic set of development files and libraries of MKL in the present architecture. Cluster support is not included.

  • intel-mkl-cluster

    • This package pulls the development files and libraries of MKL in the present architecture, including Cluster support.

  • intel-mkl-full:

    • This package pulls the full version of MKL, including several i386 packages.

    很简单，我个人用用就 intel-mkl 足够了。 sudo apt install intel-mkl 搞定。我们首先想要把 MKL 设置成提供 BLAS 和 LAPACK 动态库。在 Debian 里安装的时候会有供选择的界面，安装后我们会看到类似于： 

    update-alternatives: using /usr/lib/x86_64-linux-gnu/libmkl_rt.so to provide /usr/lib/x86_64-linux-gnu/libblas64.so.3 (libblas64.so.3-x86_64-linux-gnu) in auto mode
update-alternatives: using /usr/lib/x86_64-linux-gnu/libmkl_rt.so to provide /usr/lib/x86_64-linux-gnu/liblapack64.so.3 (liblapack64.so.3-x86_64-linux-gnu) in auto mode
Setting MKL as default BLAS/LAPACK implementation as requested.
update-alternatives: using /usr/lib/x86_64-linux-gnu/libmkl_rt.so to provide /usr/lib/x86_64-linux-gnu/libblas.so.3 (libblas.so.3-x86_64-linux-gnu) in manual mode
update-alternatives: using /usr/lib/x86_64-linux-gnu/libmkl_rt.so to provide /usr/lib/x86_64-linux-gnu/liblapack.so.3 (liblapack.so.3-x86_64-linux-gnu) in manual mode
update-alternatives: using /usr/lib/x86_64-linux-gnu/libmkl_rt.so to provide /usr/lib/x86_64-linux-gnu/libblas64.so (libblas64.so-x86_64-linux-gnu) in auto mode
update-alternatives: using /usr/lib/x86_64-linux-gnu/libmkl_rt.so to provide /usr/lib/x86_64-linux-gnu/liblapack64.so (liblapack64.so-x86_64-linux-gnu) in auto mode
Setting MKL as default BLAS/LAPACK implementation as requested.
update-alternatives: using /usr/lib/x86_64-linux-gnu/libmkl_rt.so to provide /usr/lib/x86_64-linux-gnu/libblas.so (libblas.so-x86_64-linux-gnu) in manual mode
update-alternatives: using /usr/lib/x86_64-linux-gnu/libmkl_rt.so to provide /usr/lib/x86_64-linux-gnu/liblapack.so (liblapack.so-x86_64-linux-gnu) in manual mode

    的输出。就是 intel-mkl 是会自动接管并成为系统默认的 BLAS 和 LAPACK 库。是不是似曾相识？这不就是 MRO 的时候 Microsoft 的做法么？果然天下的乌鸦一般黑。

    但是这里既然我就是要用 MKL，所以它自己接管了倒也不是问题。不过还是要知道，对付这样的行径 update-alternatives 是个很好的工具。

    这时候运行已系统安装的 R (通过 apt 安装的官方仓库的 vanilla R)， sessionInfo() 会显示已经启用 MKL 加速库（后文示例输出）。

    编译安装 R 并启用 MKL 支持

    安装路径定在 /opt/R/4.0.0 。对的，我直接下载了最新稳定版 4.0.0。

    解压 R 源码包之后进入目录， mkdir build 然后 cd build ，先用默认参数编译试试看 ../configure 有没有缺依赖什么的： 

    R is now configured for x86_64-pc-linux-gnu
  Source directory:            ..
  Installation directory:      /usr/local
  C compiler:                  gcc  -g -O2
  Fortran fixed-form compiler: gfortran -fno-optimize-sibling-calls -g -O2
  Default C++ compiler:        g++ -std=gnu++11  -g -O2
  C++14 compiler:              g++ -std=gnu++14  -g -O2
  C++17 compiler:              g++ -std=gnu++17  -g -O2
  C++20 compiler:              g++ -std=gnu++2a  -g -O2
  Fortran free-form compiler:  gfortran -fno-optimize-sibling-calls -g -O2
  Obj-C compiler:               
  Interfaces supported:        X11, tcltk
  External libraries:          pcre2, readline, curl
  Additional capabilities:     PNG, JPEG, TIFF, NLS, cairo, ICU
  Options enabled:             shared BLAS, R profiling
  Capabilities skipped:        
  Options not enabled:         memory profiling
  Recommended packages:        yes
configure: WARNING: you cannot build info or HTML versions of the R manuals

    大概没问题的。X11 、tclck 和常用图片格式支持都有。 memory profiling 虽然不太清楚干嘛的，似乎是内存调试相关，没有默认开启就算了吧。

    但是这里其实有个编译选项要自己打开，这就是 --enable-R-shlib ，这个选项指定需要编译一个名为 libR 的库文件( libR.so 或 libR.a )。由于 RStudio 需要调用这个文件，所以也必须打开这个选项。其他选项可以从 ../configure --help 来看，BLAS 和 LAPACK 就有一些选项。

    现在由于没有指定 --with-blas 和 --with-lapack ，而根据帮助来看默认这两个选项都是关闭的，所以 R 会默认在 buildDIR/lib/ 下编译出 libRblas.so 和 libRlapack.so （还有我们需要的 libR.so 也在这个目录下），以及 buildDIR/module/ 下的 lapack.so ，当然这就是默认情况，MKL 没有用到。

    依据 R Installation and Administration 附录 A3 章节，我们启用 MKL 的话首先要设定两个环境变量： 

    export MKL_INTERFACE_LAYER=GNU,LP64
export MKL_THREADING_LAYER=GNU

    然后 configure 的时候加上 --with-blas="-lmkl_rt" --with-lapack 就可以了，这时候我们可能要关掉 R Profiling，那就再加上 --disable-R-profiling 。

    另外附录 A.2.1 章节 tcltk 这里提到 --with-tcl-config 和 --with-tk-config 我发现我这里似乎也有，指定一下算了。

    最后，完整的 configure 指令就成了： 

    ../configure --prefix=/opt/R/4.0.0 \
    --enable-R-shlib \
    --disable-R-profiling \
    --with-blas='lmkl_rt' --with-lapack \
    --with-tcltk \
    --with-tcl-config=/usr/lib/tclConfig.sh \
    --with-tk-config=/usr/lib/tkConfig.sh

    最后结果应该类似于： 

    R is now configured for x86_64-pc-linux-gnu
  Source directory:            ..
  Installation directory:      /opt/R/4.0.0
  C compiler:                  gcc  -g -O2
  Fortran fixed-form compiler: gfortran -fno-optimize-sibling-calls -g -O2
  Default C++ compiler:        g++ -std=gnu++11  -g -O2
  C++14 compiler:              g++ -std=gnu++14  -g -O2
  C++17 compiler:              g++ -std=gnu++17  -g -O2
  C++20 compiler:              g++ -std=gnu++2a  -g -O2
  Fortran free-form compiler:  gfortran -fno-optimize-sibling-calls -g -O2
  Obj-C compiler:               
  Interfaces supported:        X11, tcltk
  External libraries:          pcre2, readline, BLAS(MKL), LAPACK(in blas), curl
  Additional capabilities:     PNG, JPEG, TIFF, NLS, cairo, ICU
  Options enabled:             shared R library
  Capabilities skipped:        
  Options not enabled:         shared BLAS, R profiling, memory profiling
  Recommended packages:        yes
configure: WARNING: you cannot build info or HTML versions of the R manuals

    然后就可以 make 和 sudo make install 了，中间也可以 make check 和 make check-all 一下。

    安装好后可以仍然用 update-alternatives 来接管这个自己编译安装的 R，不再赘述。

    编译安装好后 R 命令在 /opt/R/4.0.0/bin/R ，同时 /opt/R/4.0.0/lib/R/lib/ 就只剩下 libR.so 了， /opt/R/4.0.0/lib/R/modules/ 还是有个 lapack.so 。

    这时候我们来检查检查： 

    sessionInfo()
# R version 4.0.0 (2020-04-24)
# Platform: x86_64-pc-linux-gnu (64-bit)
# Running under: Debian GNU/Linux bullseye/sid
# Matrix products: default
# BLAS/LAPACK: /usr/lib/x86_64-linux-gnu/libmkl_rt.so
# locale:
#  [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C              
#  [3] LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    
#  [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8   
# [7] LC_PAPER=en_US.UTF-8       LC_NAME=C                 
#  [9] LC_ADDRESS=C               LC_TELEPHONE=C            
# [11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       
# attached base packages:
# [1] stats     graphics  grDevices utils     datasets  methods   base     
# loaded via a namespace (and not attached):
# [1] compiler_4.0.0
La_library()
# [1] "/usr/lib/x86_64-linux-gnu/libmkl_rt.so"
La_version()
# [1] "3.8.0"  
extSoftVersion()
#                                      zlib 
#                                 "1.2.11" 
#                                    bzlib 
#                     "1.0.8, 13-Jul-2019" 
#                                       xz 
#                                  "5.2.4" 
#                                     PCRE 
#                       "10.34 2019-11-21" 
#                                      ICU 
#                                   "63.2" 
#                                      TRE 
#                "TRE 0.8.0 R_fixes (BSD)" 
#                                    iconv 
#                             "glibc 2.30" 
#                                 readline 
#                                    "8.0" 
#                                     BLAS 
# "/usr/lib/x86_64-linux-gnu/libmkl_rt.so"

    如果这时候我们跳出来再终端看看刚刚说的 libR.so 和 lapack.so 的链接情况可能会有点疑惑： 

    lib/libR.so:
        linux-vdso.so.1 (0x00007ffe6a2a3000)
        libmkl_rt.so => /usr/lib/x86_64-linux-gnu/libmkl_rt.so (0x00007f3ec2b6c000)                       # <<----------   libmkl_rt.so 在这里
        libm.so.6 => /lib/x86_64-linux-gnu/libm.so.6 (0x00007f3ec2a27000)
        libreadline.so.8 => /lib/x86_64-linux-gnu/libreadline.so.8 (0x00007f3ec29d4000)
        libpcre2-8.so.0 => /usr/lib/x86_64-linux-gnu/libpcre2-8.so.0 (0x00007f3ec2944000)
        liblzma.so.5 => /lib/x86_64-linux-gnu/liblzma.so.5 (0x00007f3ec291b000)
        libbz2.so.1.0 => /lib/x86_64-linux-gnu/libbz2.so.1.0 (0x00007f3ec2908000)
        libz.so.1 => /lib/x86_64-linux-gnu/libz.so.1 (0x00007f3ec28e9000)
        libdl.so.2 => /lib/x86_64-linux-gnu/libdl.so.2 (0x00007f3ec28e4000)
        libicuuc.so.63 => /usr/lib/x86_64-linux-gnu/libicuuc.so.63 (0x00007f3ec2713000)
        libicui18n.so.63 => /usr/lib/x86_64-linux-gnu/libicui18n.so.63 (0x00007f3ec243c000)
        libgomp.so.1 => /usr/lib/x86_64-linux-gnu/libgomp.so.1 (0x00007f3ec23fc000)
        libpthread.so.0 => /lib/x86_64-linux-gnu/libpthread.so.0 (0x00007f3ec23db000)
        libc.so.6 => /lib/x86_64-linux-gnu/libc.so.6 (0x00007f3ec2216000)
        /lib64/ld-linux-x86-64.so.2 (0x00007f3ec3714000)
        libtinfo.so.6 => /lib/x86_64-linux-gnu/libtinfo.so.6 (0x00007f3ec21e7000)
        libicudata.so.63 => /usr/lib/x86_64-linux-gnu/libicudata.so.63 (0x00007f3ec07f6000)
        libstdc++.so.6 => /usr/lib/x86_64-linux-gnu/libstdc++.so.6 (0x00007f3ec0629000)
        libgcc_s.so.1 => /lib/x86_64-linux-gnu/libgcc_s.so.1 (0x00007f3ec060f000)
modules/lapack.so:
        linux-vdso.so.1 (0x00007ffe6ebc8000)
        libR.so => /usr/lib/libR.so (0x00007f24c6489000)                              #  <<---------  libR.so 用了系统的文件？？？
        libmkl_rt.so => /usr/lib/x86_64-linux-gnu/libmkl_rt.so (0x00007f24c5da6000)                   #  <<-------------- libmkl_rt.so 似乎没问题
        libm.so.6 => /lib/x86_64-linux-gnu/libm.so.6 (0x00007f24c5c61000)
        libc.so.6 => /lib/x86_64-linux-gnu/libc.so.6 (0x00007f24c5a9e000)
        libreadline.so.8 => /lib/x86_64-linux-gnu/libreadline.so.8 (0x00007f24c5a4b000)
        libpcre.so.3 => /lib/x86_64-linux-gnu/libpcre.so.3 (0x00007f24c59d7000)
        liblzma.so.5 => /lib/x86_64-linux-gnu/liblzma.so.5 (0x00007f24c59ac000)
        libbz2.so.1.0 => /lib/x86_64-linux-gnu/libbz2.so.1.0 (0x00007f24c5999000)
        libz.so.1 => /lib/x86_64-linux-gnu/libz.so.1 (0x00007f24c597c000)
        libdl.so.2 => /lib/x86_64-linux-gnu/libdl.so.2 (0x00007f24c5977000)
        libicuuc.so.63 => /usr/lib/x86_64-linux-gnu/libicuuc.so.63 (0x00007f24c57a6000)
        libicui18n.so.63 => /usr/lib/x86_64-linux-gnu/libicui18n.so.63 (0x00007f24c54cf000)
        libgomp.so.1 => /usr/lib/x86_64-linux-gnu/libgomp.so.1 (0x00007f24c548d000)
        libpthread.so.0 => /lib/x86_64-linux-gnu/libpthread.so.0 (0x00007f24c546c000)
        /lib64/ld-linux-x86-64.so.2 (0x00007f24c6953000)
        libtinfo.so.6 => /lib/x86_64-linux-gnu/libtinfo.so.6 (0x00007f24c543d000)
        libicudata.so.63 => /usr/lib/x86_64-linux-gnu/libicudata.so.63 (0x00007f24c3a4c000)
        libstdc++.so.6 => /usr/lib/x86_64-linux-gnu/libstdc++.so.6 (0x00007f24c387f000)
        libgcc_s.so.1 => /lib/x86_64-linux-gnu/libgcc_s.so.1 (0x00007f24c3863000)

    看到 lapack.so 似乎链接到了错误的 libR.so （ /usr/lib/libR.so 是系统里 apt 从官方仓库装的 R 的文件），我赶紧看看 /opt/R/4.0.0/lib/R/modules/ 下其他动态库文件，发现似乎都如此。当时心里一咯噔，反复试了之后最后发现其实很简单。我们在 R 里看看： 

    system("ldd /opt/R/4.0.0/lib/R/lib/libR.so")
#         linux-vdso.so.1 (0x00007ffc967f2000)
#         libmkl_rt.so => /usr/lib/x86_64-linux-gnu/libmkl_rt.so (0x00007f882238b000)
#         libm.so.6 => /lib/x86_64-linux-gnu/libm.so.6 (0x00007f8822228000)
#         libreadline.so.8 => /lib/x86_64-linux-gnu/libreadline.so.8 (0x00007f88221d5000)
#         libpcre2-8.so.0 => /usr/lib/x86_64-linux-gnu/libpcre2-8.so.0 (0x00007f8822145000)
#         liblzma.so.5 => /lib/x86_64-linux-gnu/liblzma.so.5 (0x00007f882211c000)
#         libbz2.so.1.0 => /lib/x86_64-linux-gnu/libbz2.so.1.0 (0x00007f8822109000)
#         libz.so.1 => /lib/x86_64-linux-gnu/libz.so.1 (0x00007f88220ea000)
#         libdl.so.2 => /lib/x86_64-linux-gnu/libdl.so.2 (0x00007f88220e5000)
#         libicuuc.so.63 => /usr/lib/x86_64-linux-gnu/libicuuc.so.63 (0x00007f8821f14000)
#         libicui18n.so.63 => /usr/lib/x86_64-linux-gnu/libicui18n.so.63 (0x00007f8821c3d000)
#         libgomp.so.1 => /usr/lib/x86_64-linux-gnu/libgomp.so.1 (0x00007f8821bfd000)
#         libpthread.so.0 => /lib/x86_64-linux-gnu/libpthread.so.0 (0x00007f8821bdc000)
#         libc.so.6 => /lib/x86_64-linux-gnu/libc.so.6 (0x00007f8821a17000)
#         /lib64/ld-linux-x86-64.so.2 (0x00007f8822f15000)
#         libtinfo.so.6 => /lib/x86_64-linux-gnu/libtinfo.so.6 (0x00007f88219e8000)
#         libicudata.so.63 => /usr/lib/x86_64-linux-gnu/libicudata.so.63 (0x00007f881fff7000)
#         libstdc++.so.6 => /usr/lib/x86_64-linux-gnu/libstdc++.so.6 (0x00007f881fe2a000)
#         libgcc_s.so.1 => /lib/x86_64-linux-gnu/libgcc_s.so.1 (0x00007f881fe10000)
system("ldd /opt/R/4.0.0/lib/R/modules/lapack.so")
#         linux-vdso.so.1 (0x00007ffcec19a000)
#         libR.so => /opt/R/4.0.0/lib/R/lib/libR.so (0x00007fb94983e000)                      # <<------- 没有问题！
#         libmkl_rt.so => /usr/lib/x86_64-linux-gnu/libmkl_rt.so (0x00007fb94915b000)
#         libm.so.6 => /lib/x86_64-linux-gnu/libm.so.6 (0x00007fb948ff8000)
#         libc.so.6 => /lib/x86_64-linux-gnu/libc.so.6 (0x00007fb948e35000)
#         libreadline.so.8 => /lib/x86_64-linux-gnu/libreadline.so.8 (0x00007fb948de2000)
#         libpcre2-8.so.0 => /usr/lib/x86_64-linux-gnu/libpcre2-8.so.0 (0x00007fb948d52000)
#         liblzma.so.5 => /lib/x86_64-linux-gnu/liblzma.so.5 (0x00007fb948d27000)
#         libbz2.so.1.0 => /lib/x86_64-linux-gnu/libbz2.so.1.0 (0x00007fb948d14000)
#         libz.so.1 => /lib/x86_64-linux-gnu/libz.so.1 (0x00007fb948cf7000)
#         libdl.so.2 => /lib/x86_64-linux-gnu/libdl.so.2 (0x00007fb948cf2000)
#         libicuuc.so.63 => /usr/lib/x86_64-linux-gnu/libicuuc.so.63 (0x00007fb948b21000)
#         libicui18n.so.63 => /usr/lib/x86_64-linux-gnu/libicui18n.so.63 (0x00007fb94884a000)
#         libgomp.so.1 => /usr/lib/x86_64-linux-gnu/libgomp.so.1 (0x00007fb948808000)
#         libpthread.so.0 => /lib/x86_64-linux-gnu/libpthread.so.0 (0x00007fb9487e7000)
#         /lib64/ld-linux-x86-64.so.2 (0x00007fb949cf4000)
#         libtinfo.so.6 => /lib/x86_64-linux-gnu/libtinfo.so.6 (0x00007fb9487b8000)
#         libicudata.so.63 => /usr/lib/x86_64-linux-gnu/libicudata.so.63 (0x00007fb946dc7000)
#         libstdc++.so.6 => /usr/lib/x86_64-linux-gnu/libstdc++.so.6 (0x00007fb946bfa000)
#         libgcc_s.so.1 => /lib/x86_64-linux-gnu/libgcc_s.so.1 (0x00007fb946bde000)
system("echo $LD_LIBRARY_PATH")        # 谜底揭晓
# /opt/R/4.0.0/lib/R/lib:/usr/local/lib:/usr/lib/x86_64-linux-gnu:/usr/lib/jvm/oracle-java8-jdk-amd64/jre/lib/amd64/server:/usr/lib/jvm/oracle-java8-jdk-amd64/jre/lib/amd64:/usr/lib/jvm/oracle-java8-jdk-amd64/jre/lib/amd64/server
Sys.getenv("LD_LIBRARY_PATH")  # R 自己也可以检查环境变量
# [1] "/opt/R/4.0.0/lib/R/lib:/usr/local/lib:/usr/lib/x86_64-linux-gnu:/usr/lib/jvm/oracle-java8-jdk-amd64/jre/lib/amd64/server:/usr/lib/jvm/oracle-java8-jdk-amd64/jre/lib/amd64:/usr/lib/jvm/oracle-java8-jdk-amd64/jre/lib/amd64/server"

    R 在运行时会把自己的库文件夹加入 LD_LIBRARY_PATH 环境变量，这样就能找到正确的库文件了。完结撒花！

    20200729 更新：发现这个问题似乎最好的解决方案是干脆 Miniconda/Anaconda 专门建个 R 环境？ conda 安装的 R 也是可以用 MKL 的。参考 StackOverflow: Conda install r-essentials with MKL 

    conda create -n R-mkl -c conda-forge r-essentials libblas=3.8.0=9_mkl

    这里 -c conda-forge 指定安装源和 libblas=3.8.0=9_mkl 指定版本都要视 conda search 搜索结果而定。 安装完之后可以 sessionInfo() 等等检查一下，可以发现 conda 环境的 R 确实调用了环境内的 MKL 库。

    20201017 更新：conda 也不是很好的解决方案，添加几个频道/源以后，经常在 conda update 的时候出现各种冲突，以及最近它开始提示根据依赖需要卸载 intel-mkl….同时最近又在 R-Bloggers看到一个似乎更好的教程: Why is R slow? some explanations and MKL/OpenBLAS setup to try to fix this 。原文似乎在作者迁移之后有做过改动 Compiling R with multi-threaded linear algebra libraries on Ubuntu ，但是重要步骤没有改变。相比我之前写的最重要的时是 configure 后面有其他参数： 

    BLAS="-L${MKLROOT}/lib/intel64 -Wl,--no-as-needed -lmkl_gf_lp64 -lmkl_gnu_thread -lmkl_core -lgomp -lpthread -lm -ldl"
./configure --prefix=/opt/R/3.4.2-mkl --enable-shared --enable-R-shlib --with-blas="$BLAS" --with-lapack

    这些参数都可以通过 Intel 提供的工具获得： Intel® Math Kernel Library Link Line Advisor

    编译 openblas 支持的时候用： 

    ./configure --prefix=/opt/R/R-3.4.2-openblas --enable-R-shlib --with-blas --with-lapack

    我尝试用最新的 R-4.0.3（20201017）编译了 R-mkl、R-openblas 和 R-vanilla 并用上面博文里给出的脚本做了很简单的测试。下面是测试结果： 

    ---------------
openblas
---------------
R Benchmark 2.5
   ===============
Number of times each test is run__________________________:  3
   I. Matrix calculation
   ---------------------
Creation, transp., deformation of a 2500x2500 matrix (sec):  0.725666666666667 
2400x2400 normal distributed random matrix ^1000____ (sec):  0.236666666666667 
Sorting of 7,000,000 random values__________________ (sec):  0.807333333333335 
2800x2800 cross-product matrix (b = a' * a)_________ (sec):  0.280333333333334 
Linear regr. over a 3000x3000 matrix (c = a \ b')___ (sec):  0.171999999999999 
                      --------------------------------------------
                 Trimmed geom. mean (2 extremes eliminated):  0.363789089436169 
   II. Matrix functions
   --------------------
FFT over 2,400,000 random values____________________ (sec):  0.275333333333333 
Eigenvalues of a 640x640 random matrix______________ (sec):  0.376333333333335 
Determinant of a 2500x2500 random matrix____________ (sec):  0.152666666666666 
Cholesky decomposition of a 3000x3000 matrix________ (sec):  0.151666666666668 
Inverse of a 1600x1600 random matrix________________ (sec):  0.226999999999999 
                      --------------------------------------------
                Trimmed geom. mean (2 extremes eliminated):  0.212101117986884 
   III. Programmation
   ------------------
3,500,000 Fibonacci numbers calculation (vector calc)(sec):  0.202666666666668 
Creation of a 3000x3000 Hilbert matrix (matrix calc) (sec):  0.242999999999995 
Grand common divisors of 400,000 pairs (recursion)__ (sec):  0.197000000000003 
Creation of a 500x500 Toeplitz matrix (loops)_______ (sec):  0.0470000000000065 
Escoufier's method on a 45x45 matrix (mixed)________ (sec):  0.239000000000004 
                      --------------------------------------------
                Trimmed geom. mean (2 extremes eliminated):  0.212103979687712 
Total time for all 15 tests_________________________ (sec):  4.33366666666668 
Overall mean (sum of I, II and III trimmed means/3)_ (sec):  0.253890907681938 
                      --- End of test ---
R Benchmark 2.5
   ===============
Number of times each test is run__________________________:  3
   I. Matrix calculation
   ---------------------
Creation, transp., deformation of a 2500x2500 matrix (sec):  0.705 
2400x2400 normal distributed random matrix ^1000____ (sec):  0.252666666666666 
Sorting of 7,000,000 random values__________________ (sec):  0.787 
2800x2800 cross-product matrix (b = a' * a)_________ (sec):  0.225333333333334 
Linear regr. over a 3000x3000 matrix (c = a \ b')___ (sec):  0.126666666666668 
                      --------------------------------------------
                 Trimmed geom. mean (2 extremes eliminated):  0.342389814248971 
   II. Matrix functions
   --------------------
FFT over 2,400,000 random values____________________ (sec):  0.285666666666666 
Eigenvalues of a 640x640 random matrix______________ (sec):  0.305 
Determinant of a 2500x2500 random matrix____________ (sec):  0.160999999999999 
Cholesky decomposition of a 3000x3000 matrix________ (sec):  0.154333333333334 
Inverse of a 1600x1600 random matrix________________ (sec):  0.161999999999999 
                      --------------------------------------------
                Trimmed geom. mean (2 extremes eliminated):  0.195314050159429 
   III. Programmation
   ------------------
3,500,000 Fibonacci numbers calculation (vector calc)(sec):  0.203999999999998 
Creation of a 3000x3000 Hilbert matrix (matrix calc) (sec):  0.25366666666667 
Grand common divisors of 400,000 pairs (recursion)__ (sec):  0.215333333333334 
Creation of a 500x500 Toeplitz matrix (loops)_______ (sec):  0.0473333333333343 
Escoufier's method on a 45x45 matrix (mixed)________ (sec):  0.244 
                      --------------------------------------------
                Trimmed geom. mean (2 extremes eliminated):  0.220484003275243 
Total time for all 15 tests_________________________ (sec):  4.129 
Overall mean (sum of I, II and III trimmed means/3)_ (sec):  0.245213176176043 
                      --- End of test ---
R Benchmark 2.5
   ===============
Number of times each test is run__________________________:  3
   I. Matrix calculation
   ---------------------
Creation, transp., deformation of a 2500x2500 matrix (sec):  0.781333333333333 
2400x2400 normal distributed random matrix ^1000____ (sec):  0.265000000000002 
Sorting of 7,000,000 random values__________________ (sec):  0.857666666666668 
2800x2800 cross-product matrix (b = a' * a)_________ (sec):  16.3386666666667 
Linear regr. over a 3000x3000 matrix (c = a \ b')___ (sec):  7.666 
                      --------------------------------------------
                 Trimmed geom. mean (2 extremes eliminated):  1.72547193437761 
   II. Matrix functions
   --------------------
FFT over 2,400,000 random values____________________ (sec):  0.319666666666668 
Eigenvalues of a 640x640 random matrix______________ (sec):  0.817999999999998 
Determinant of a 2500x2500 random matrix____________ (sec):  3.82566666666667 
Cholesky decomposition of a 3000x3000 matrix________ (sec):  6.17299999999998 
Inverse of a 1600x1600 random matrix________________ (sec):  3.492 
                      --------------------------------------------
                Trimmed geom. mean (2 extremes eliminated):  2.21910689016012 
   III. Programmation
   ------------------
3,500,000 Fibonacci numbers calculation (vector calc)(sec):  0.213999999999999 
Creation of a 3000x3000 Hilbert matrix (matrix calc) (sec):  0.276000000000001 
Grand common divisors of 400,000 pairs (recursion)__ (sec):  0.213666666666673 
Creation of a 500x500 Toeplitz matrix (loops)_______ (sec):  0.0476666666666669 
Escoufier's method on a 45x45 matrix (mixed)________ (sec):  0.319000000000017 
                      --------------------------------------------
                Trimmed geom. mean (2 extremes eliminated):  0.232819781190536 
Total time for all 15 tests_________________________ (sec):  41.6073333333333 
Overall mean (sum of I, II and III trimmed means/3)_ (sec):  0.962428923249875 
                      --- End of test ---

    可以看到 MKL 和 OpenBLAS 加速效果明显而且不相上下。

  • RStudio Community: Compiling R from source in /opt/R
  • RStudio Support: Building R from source
  • R Documents: R-admin
  • stackoverflow: Can’t make ./configure find tcltk while building R
  • intel-MKL: README.Debian
  • stackoverflow: Compile r with mkl (With mulithreads support)
  • GitHub: eddelbuettel/mkl4deb
  • Using Intel® MKL with R
  • Build R-3.4.2 with Intel® C++ and Fortran Compilers and Intel® MKL on Linux*
    •  
    推荐文章
    强健的手套  ·  潘长江
    3 月前
    率性的稀饭  ·  电子与信息工程学院
    1 年前
    谦和的手术刀  ·  年味渐浓海外中餐馆迎春筹备忙
    1 年前
    独立的扁豆  ·  实拍C4毕加索七座版第三排并不是鸡肋_太平洋汽车网
    2 年前
    还单身的熊猫  ·  十大已完结网游小说网游小说完本推荐每一部都是经典- 知乎
    2 年前
    今天看啥   ·   Py中国   ·   codingpro   ·   小百科   ·   link之家   ·   卧龙AI搜索
    删除内容请联系邮箱 2879853325@qq.com
    小百科 - 百科知识指南
    © 2024 ~ 沪ICP备11025650号