风翼冰舟的博客

前言最近看到了一个深度学习库OpenVINO，专门用于Intel硬件上部署深度学习模型，其内置了非常非常多使用的预训练模型，比如道路分割、人脸提取、3D姿态估计等等。但是配置和调用有点小恶心，这里以道路分割为例，展示如何配置OpenVINO的环境，以及模型下载和调用国际惯例，参考博客：OpenVINO提供的所有预训练模型列表OpenVINO的物体分割文档OpenVino (二） Win10 python配置配置需要注册一个账号下载OpenVINO，按照官网给出的win10安装方法 一直各种下一

前言最近要用C++折腾一些东西，涉及到矩阵运算，看了一下网上推荐的数学库，貌似MKL还是蛮不错滴，放到VS2013里面试试国际惯例，来波地址blas, cblas, openblas, atlas, lapack, mkl性能对比Compiling and Linking Intel® Math Kernel Library with Microsoft* Visual C++*Visual Stu

基本术语BLAS : Basic Linear Algebra Subprograms 基本线性代数子程序BLACS : Basic Linear Algebra Communication Subprograms 基本线性代数通信子程序LAPACK : Linear Algebra PACKage 线性代数包ScaLAPACK : Scalable LAPACK PBLAS : Paralle

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，二范数(欧几里得范数)，向量绕点旋转，Givens旋转，改进Givens旋转，计算Givens旋转参数，标量与向量的乘积，向量交换，查找最大最小值，复数域向量的

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，以及实现了。所有函数概览 函数名称 缺失部分 描述 cblas_?gemm s,d,c,z 一般矩阵的矩阵-矩阵乘法

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，也不是对称、三角、带状的某一种情况。所以主要还是总结一般的乘法、加法操作。【注】代码都以单精度float的情况书写，主要流程要记住，使用mkl_malloc申请内存，使用mkl_free释放

前言推荐两个比较好的教程:BLAS (Basic Linear Algebra Subprograms) LAPACK for Windows命名规范BLAS基本线性代数子程序的函数命令都有一定规范，便于记忆<character> <name> <mod> ()character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

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