Lapack vagy alternativak

Segédprogramok

Nagy, 10k x 10k szimmetrikus, suru matrixegyenleteket kell megoldanom, neha invertalnom, es szeretnek hallani tapasztalatokat. Most MacOSX alatt hasznalom az Accelerate frameworkbe belepakolt cLapackot, de tobb problema is van.
Egyreszt, hogy szeretnem portolni a programot Linux ala, masreszt az Accelerate-ben nincs benne minden amire szuksegem van. Az egyik ilyen lenne az extra preciz iterative finomitas, hibakorlat-becslessel.

Lattam jo par Lapack-alapu fejlesztest, de mintha nyoma sem lenne tisztesseges dokumentacionak. Tovabba elegge elszoktam attol, hogy nekem kelljen levadaszni es leforditani a fuggosegeket.

Milyen Lapack alternativak vannak, amiket konnyu installalni, beforgatni es behuzalozni?

  • 3940 megtekintés

( szemet | 2012. 05. 01., k – 22:23 )

Hát én amikor utoljára néztem (nekem hatalmas mátrixok pszeudoinverze kellett), a lapacknak nem találtam alternatíváját. Bár ez mondjuk már kb. egy éve volt:
Akkor az Armadillot probáltam illetve pár ruby-s linalg csomagot (talán lapack wrappert is) de ezek nálam annyi mem+idő overheadet adtak hozzá dolgokhoz hogy én végül maradtam a plain lapacknál c-ből hívva.

Es nem volt szivas a forditassal? Azt tudom, hogy legalabb a BLAS a fuggosegei kozott van.
Nalam mac alatt a 3.2-es van fent, amit jo lenne legalabb 3.4-re frissiteni, de ezt muszaj kezzel forgatni.
Viszont ha neked sikerult installalnod egy lapackot, akkor allitolag erdemes kiprobalni a ScaLapackot, a Magmat vagy az Elementalt. Ezek mind lapackra epulnek, csak parhuzamositas van benne. (van meg a libFlame projekt, de az nem tudom altalanos-e vagy celhardverre van kihegyezve.)

( DieHappy | 2012. 05. 02., sze – 20:30 )

Kozben raakadtam egy erdekes es jol dokumentalt verziora, az Eigen-re.
Template-ekkel dolgozik, szoval nem kell forgatni es emiatt jol portolhato. Emellett nagyon gyors, es a template-eles miatt tud szamolni long double-lel.
Viszonylag konnyu volt behuzalozni.

Egyet kell ertsek vele, tegnap sikerult behuzalozni, es remekul megy.
Nem template-eli a szimmetrikus matrixokat, vagyis muszaj feltolteni az also es a felso haromszoget is, de az eredmeny karpotol. Egy 6000x6000res matrixegyenletet megoldott 90 masodperc alatt, az 1000x1000res-sen meg atgyalogol (megjegyzem, a lapack is, de ott nem probaltam 6k-sat, ugy tunt precizitasi gondjai vannak).

Valamiert viszont a dinamikus meretu VectorXd deklaralasnal mindig lehalt, ha kezzel megcsinaltam 1-soros matrixbol ugy mukodott. Es a headerbe muszaj volt includolni, es ezzel egyutt az osszes helyre ahol oroklodik az osztaly (a gcc-nek meg kell adni az Eigen library helyet). Nem nagy gond, de meg akartam ezt uszni egy forward deklaracioval. Viszont mukodik es gyors. Par napon belul kiprobalom linux alatt.

( efel | 2012. 05. 03., cs – 17:02 )

James Demmel, Yozo Hida, William Kahan, Xiaoye S. Li, Sonil Mukherjee, and Jason Riedy. Error Bounds from Extra Precise Iterative Refinement. ACM Transactions on Mathematical Software (TOMS), 32(2):325-351, 2006.

http://www.netlib.org/lapack/lawnspdf/lawn165.pdf

Netlib-en ott van minden forrás, fordítani neked kell. A fordítás nálam Linux, Windows (MinGW) és Mac OS X 10.5.8 alatt is ment. Mac-en kell előtte egy gfortran-t is csinálni :-)

Igen, es ugy tudom, hogy a Lapack 3.4-ben is benne van ez a metodus. Gfortran szerencsere van finkbol, de a bonyolult forditasoktol mindig tartok. Ha frissitik a klaszteren az oprendszert, rengeteg dolgot ujra kell forditani (nem, nem torlik le a regit, csak a ki tudja milyen fuggosegek valtoznak).
De elobb-utobb kiprobalom ezt a verziot is, koszi.