OpenBLAS用户手册：从编译到应用开发全指南-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00522/article/details/148465414

OpenBLAS用户手册：从编译到应用开发全指南

OpenBLAS OpenBLAS is an optimized BLAS library based on GotoBLAS2 1.13 BSD version. 项目地址: https://gitcode.com/gh_mirrors/op/OpenBLAS

前言

OpenBLAS作为高性能线性代数计算库，广泛应用于科学计算、机器学习等领域。本文将全面介绍OpenBLAS的编译安装、链接方法以及实际应用开发技巧，帮助开发者充分发挥其性能优势。

第一章：OpenBLAS编译指南

1.1 基础编译方法

OpenBLAS支持多种编译方式，最基础的是使用Make工具：

make -j4  # 使用4个并行进程加速编译
make install

编译过程会自动检测CPU架构并优化，如需手动指定目标架构：

make TARGET=NEHALEM  # 为Intel Nehalem架构优化

完整支持的目标架构列表可在项目根目录的TargetList.txt中找到。

1.2 交叉编译技巧

交叉编译需要特别注意三点：

设置交叉编译工具链(CC/FC)
指定主机编译器(HOSTCC)
明确目标架构(TARGET)

示例：为ARM Cortex-A9交叉编译

make CC=arm-linux-gnueabihf-gcc FC=arm-linux-gnueabihf-gfortran \
     HOSTCC=gcc TARGET=CORTEXA9

1.3 调试版本构建

开发调试时建议构建调试版本：

make DEBUG=1

1.4 自定义安装路径

默认安装到/opt/OpenBLAS，可自定义路径：

make install PREFIX=/custom/path

注意：安装时需保持与编译时相同的参数。

第二章：项目集成指南

2.1 动态链接方式

推荐使用动态链接方式集成：

gcc -o app app.c -I/path/to/include -L/path/to/lib \
    -Wl,-rpath,/path/to/lib -lopenblas -lpthread -lgfortran

使用pkg-config简化配置：

gcc -o app app.c $(pkg-config --cflags --libs openblas)

2.2 静态链接方式

静态链接更简单但体积较大：

gcc -o app app.c /path/to/libopenblas.a -lpthread

第三章：开发实战示例

3.1 CBLAS接口调用

矩阵乘法示例(cblas_dgemm)：

#include <cblas.h>
#include <stdio.h>

int main() {
    double A[6] = {1.0,2.0,1.0,-3.0,4.0,-1.0};
    double B[6] = {1.0,2.0,1.0,-3.0,4.0,-1.0};
    double C[9] = {.5,.5,.5,.5,.5,.5,.5,.5,.5};
    
    cblas_dgemm(CblasColMajor, CblasNoTrans, CblasTrans,
                3,3,2,1,A,3,B,3,2,C,3);
    
    for(int i=0; i<9; i++)
        printf("%lf ", C[i]);
    printf("\n");
    return 0;
}

3.2 Fortran BLAS接口调用

性能测试示例(dgemm)：

#include <stdio.h>
#include <stdlib.h>
#include <time.h>

extern void dgemm_(char*, char*, int*, int*, int*, 
                  double*, double*, int*, 
                  double*, int*, double*, double*, int*);

int main(int argc, char* argv[]) {
    if(argc < 4) return 1;
    
    int m = atoi(argv[1]), n = atoi(argv[2]), k = atoi(argv[3]);
    double *A = malloc(m*k*sizeof(double));
    double *B = malloc(k*n*sizeof(double));
    double *C = malloc(m*n*sizeof(double));
    
    // 初始化矩阵...
    
    char trans = 'N';
    double alpha = 1.2, beta = 0.001;
    dgemm_(&trans, &trans, &m, &n, &k, 
           &alpha, A, &m, B, &k, &beta, C, &m);
    
    // 性能统计...
    
    free(A); free(B); free(C);
    return 0;
}