Lacaml - Linear Algebra for OCaml
Skip to the content. Lacaml - Linear Algebra for OCaml What is Lacaml? This OCaml-library interfaces two widely used mathematical FORTRAN-libraries: BLAS - Basic Linear Algebra Subroutines LAPACK - Linear Algebra PACKage This allows developers to write high-performance numerical code for applications that require linear algebra. Features The BLAS- and LAPACK-libraries have evolved over about two d
BLAS (Basic Linear Algebra Subprograms)
The BLAS (Basic Linear Algebra Subprograms) are routines that provide standard building blocks for performing basic vector and matrix operations. The Level 1 BLAS perform scalar, vector and vector-vector operations, the Level 2 BLAS perform matrix-vector operations, and the Level 3 BLAS perform matrix-matrix operations. Because the BLAS are efficient, portable, and widely available, they are commo
numpy, scipyでOpenBLASを使う - Qiita
numpy，scipyが遅いと感じた場合，blasの設定を確認するとよい．試した環境はubuntu14.04． 確認方法は，python立ち上げて >>> import numpy >>> numpy.show_config() lapack_opt_info: extra_link_args = ['-Wl,-framework', '-Wl,Accelerate'] extra_compile_args = ['-msse3'] define_macros = [('NO_ATLAS_INFO', 3)] blas_opt_info: extra_link_args = ['-Wl,-framework', '-Wl,Accelerate'] extra_compile_args = ['-msse3', '-I/System/Library/Frameworks/vecLib.fra
GitHub - tpapp/lla: Lisp Linear Algebra
High-level, user friendly interface that hides the details. (solve a b) should return $X$, from $AX=B$, regardless of whether $A$ is a dense matrix, an $LU$ decomposition, or something else; similarly, $X$ should be a vector/matrix when $B$ is. Users should not need to memorize names like DGESV, especially when CLOS makes it so easy to deal with these things. Also, you don't need to make sure that
Python (NumPy) と Common Lisp (LLA) で行列積の実行速度を比較する - 不確定特異点
近年、機械学習や Deep Learning などのデータサイエンス分野を筆頭に数値計算の需要が高まってますが、その中でよく使われているのが Python の NumPy というライブラリです。NumPy を使うことで、動的で柔軟なスクリプト言語上で比較的高速に数値計算が可能になり、NumPy を使った SciPy や matplotlib などのライブラリも充実していることから、近頃の Python 人気が高まっているのだと思います。 個人的には Common Lisp が好きなので、NumPy との速度差が気になるところです。そこで単精度浮動小数点数を要素とする100行100列の行列積を対象に、Python、Common Lisp、C でベンチマークをとって比較してみました。（あ、ちなみに僕は Python も好きですよ。） 実行環境は以下の通りです。 $ uname -a Linux
Boost 数学関係ライブラリの使い方
boost::numeric::ublas 線形代数ライブラリの使い方 連立方程式を解く・逆行列を求める DT Specials -> Boost -> boost::numeric::ublas 線形代数ライブラリの使い方 Last update : Jan. 13th, 2005 はじめに この文書は，線形演算ライブラリ boost::numeric::ublas の使い方の一部を簡単に説明したものです． どうも boost ― uBLAS については日本語の説明書きがないようです．頼みの日本語解説書[2]も uBLAS はたった 2 ページ．Web をあさっても私の希望にあう解説は見あたりません．仕方がないので英語のオリジナルドキュメントと格闘しました．その結果，なんとか連立1次方程式を解くことと，逆行列を求めることはできるようになったので，私と同じようなお悩みを抱えて Web を巡
Mac OS X 10.10にCaffeをインストールするまで - About connecting the dots.
メモ代わりに手順まとめておきます．基本は install_caffe_osx10.10.md と CaffeをOS X 10.10 にインストールした // ichyo.jpを参考に，細かい修正を幾つか，という感じです．マシンはmac mini late 2012(core i7 2.3GHz quad core)です． CUDA CUDAとドライバーをインストール．しかしGPUがIntel HD Graphics 4000なのでCUDAが使えないことに，後から気がつく... 手順的にはpkgとかdmg落としてきて，そのまま入れるだけ． NVIDIA Cuda Driver NVIDIA CUDA BLAS MacにはもともとBLASが入っているので，何もする必要なし*1． Anaconda Python周りのものをあらかた入れる． brew install pyenv pyenv ins
線形代数ライブラリの速度比較 - .Regenschauer 雑記帳
C++ Advent Calender 2014 13日目の記事です． 最初はマイペースに作成している自作ライブラリ内で使用しているメタプログラミングに関する技術の解説を行おうと考えていましたが、この分野は他に詳しい方々が詳細なスライドや記事を作成してくださっているのと、時間の都合等々で断念しました．代わりに、Advent Calender 3日目の5mingame2さんの紹介にもあったEigenやboost.ublasといった線形代数ライブラリのコンテナ毎の速度比較結果をまとめます． はじめに vectorやmatrixを利用した線形代数の処理を行いたい場合、内積や行列の積といった基本的な処理は自分で容易に記述することができますが、LU分解やSVD等の自分で実装するのは少し気が引ける処理を利用したい際に、どこかに良い線形代数ライブラリが無いかな～と探すことと思います．この時、C++が好き
BLAS Techical Forum
Fortran 95 blas_dense.f90 -- Fortran 95 module for Chapter 2 blas_operator_arguments.f90 -- Fortran 95 module of derived types for Chapters 2 and 4 blas_precision.f90 -- Fortran 95 module of precisions for Chapters 2 and 4 blas_dense_red_op.f90 -- Fortran 95 module of reduction operations routines for Chapter 2 blas_dense_gen_trans.f90 -- Fortran 95 module of generate transformations routines for
Feature Story: The Human Code: Researcher's handcrafted work makes world's fastest computers run even faster
In at least one battle between man and machine, the man is winning. He is Kazushige Goto, a research associate at the Texas Advanced Computing Center (TACC) at The University of Texas at Austin. Goto can make supercomputers run faster and more efficiently and he can do it better than complex programs developed for that purpose. Four of the 11 fastest supercomputers in the world use Goto’s code to
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
kkaneko.com
Texas Advanced Computing Center - GotoBlas2
Google