caffe中各種cblas的函式使用總結
Y=alpha * X +beta*Y
template <> void caffe_cpu_axpby<float>(const int N, const float alpha, const float* X, const float beta, float* Y) { cblas_saxpby(N, alpha, X, 1, beta, Y, 1); } template <> void caffe_cpu_axpby<double>(const int N, const double alpha, const double* X, const double beta, double* Y) { cblas_daxpby(N, alpha, X, 1, beta, Y, 1); }
cblas_dscal(N, beta, Y, incY); Y=Y*beta
cblas_daxpy(N, alpha, X, incX, Y, incY); Y= (alpha * X) + Y)
Y=alpha * X + Y
template <> void caffe_axpy<float>(const int N, const float alpha, const float* X, float* Y) { cblas_saxpy(N, alpha, X, 1, Y, 1); } template <> void caffe_axpy<double>(const int N, const double alpha, const double* X, double* Y) { cblas_daxpy(N, alpha, X, 1, Y, 1); }
DEFINE_VSL_BINARY_FUNC(Add, y[i] = a[i] + b[i]); DEFINE_VSL_BINARY_FUNC(Sub, y[i] = a[i] - b[i]); DEFINE_VSL_BINARY_FUNC(Mul, y[i] = a[i] * b[i]); DEFINE_VSL_BINARY_FUNC(Div, y[i] = a[i] / b[i]); template <> void caffe_add<float>(const int n, const float* a, const float* b, float* y) { vsAdd(n, a, b, y); } template <> void caffe_add<double>(const int n, const double* a, const double* b, double* y) { vdAdd(n, a, b, y); }
y=x;
template <> void caffe_copy<float>(const int N, const float* X, float* Y) { cblas_scopy(N, X, 1, Y, 1); } template <> void caffe_copy<double>(const int N, const double* X, double* Y) { cblas_dcopy(N, X, 1, Y, 1); } template <> void caffe_gpu_copy<float>(const int N, const float* X, float* Y) { CUBLAS_CHECK(cublasScopy(Caffe::cublas_handle(), N, X, 1, Y, 1)); } template <> void caffe_gpu_copy<double>(const int N, const double* X, double* Y) { CUBLAS_CHECK(cublasDcopy(Caffe::cublas_handle(), N, X, 1, Y, 1)); }
Computes alpha*x*y' + A.
cblas_sger
Multiplies vector X by the transform of vector Y, then adds matrix A (single precison).
Multiplies vector X by the transform of vector Y, then adds matrix A (single precison).
void cblas_sger (
const enum CBLAS_ORDER Order,
const int M,
const int N,
const float alpha,
const float *X,
const int incX,
const float *Y,
const int incY,
float *A,
const int lda
);
This function multiplies A * X (after transposing A, if needed) and multiplies the resulting matrix by alpha. It then multiplies vector Y by beta. It stores the sum of these two products in vector Y.
template <> void caffe_cpu_gemv<float>(const CBLAS_TRANSPOSE TransA, const int M, const int N, const float alpha, const float* A, const float* x, const float beta, float* y) { cblas_sgemv(CblasRowMajor, TransA, M, N, alpha, A, N, x, 1, beta, y, 1); }
C(matrix)←αAB + βC
template<typename T> void gpu_multmat(T* A, T* B, T* C, int M,int K,int N){ const T alpha = 1,beta=0; caffe_gpu_gemm(CblasNoTrans,CblasNoTrans,M,N,K,alpha,A,B,beta,C); }
template<> void caffe_cpu_gemm<float>(const CBLAS_TRANSPOSE TransA, const CBLAS_TRANSPOSE TransB, const int M, const int N, const int K, const float alpha, const float* A, const float* B, const float beta, float* C) { int lda = (TransA == CblasNoTrans) ? K : M; int ldb = (TransB == CblasNoTrans) ? N : K; cblas_sgemm(CblasRowMajor, TransA, TransB, M, N, K, alpha, A, lda, B, ldb, beta, C, N); }
A=M*N B=M*K
C=A'*B N M K
template<typename T> void cpu_multTmat(T* A, T* B, T* C, int M,int K,int N){ const T alpha = 1,beta=0; caffe_cpu_gemm(CblasTrans,CblasNoTrans,M,N,K,alpha,A,B,beta,C); // cblas_dgemm(CblasRowMajor, CblasNoTrans, CblasNoTrans, M, N, K, alpha, A, M, B, K, beta, C, M); }
A=M*N B=N*K
C=A*B M N K
template<typename T> void cpu_multmat(T* A, T* B, T* C, int M,int K,int N){ const T alpha = 1,beta=0; caffe_cpu_gemm(CblasNoTrans,CblasNoTrans,M,N,K,alpha,A,B,beta,C); // cblas_dgemm(CblasRowMajor, CblasNoTrans, CblasNoTrans, M, N, K, alpha, A, M, B, K, beta, C, M); }
計算矩陣乘法的函式之一是 cblas_sgemm,使用單精度實數,另外還有對應雙精度實數,單精度複數和雙精度複數的函式。在此以 cblas_sgemm為例。
函式定義為:
void cblas_sgemm(const enum CBLAS_ORDER Order, const enum CBLAS_TRANSPOSE TransA,
const enum CBLAS_TRANSPOSE TransB, const int M, const int N,
const int K, const float alpha, const float *A,
const int lda, const float *B, const int ldb,
const float beta, float *C, const int ldc)
得到的結果是:
C = alpha*op( A )*op( B ) + beta*C
const enum CBLAS_ORDER Order,這是指的資料的儲存形式,在CBLAS的函式中無論一維還是二維資料都是用一維陣列儲存,這就要涉及是行主序還是列主序,在C語言中陣列是用 行主序,fortran中是列主序。我還是習慣於是用行主序,所以這個引數是用CblasRowMajor,如果是列主序的話就是 CblasColMajor。
const int M,矩陣A的行,矩陣C的行
const int N,矩陣B的列,矩陣C的列
const int K,矩陣A的列,矩陣B的行
const float alpha, const float beta,計算公式中的兩個引數值,如果只是計算C=A*B,則alpha=1,beta=0
const float *A, const float *B, const float *C,矩陣ABC的資料
const int lda, const int ldb, const int ldc,在BLAS的文件裡,這三個引數分別為ABC的行數,但是實際使用發現,在CBLAS裡應該是列數。
相關文章
- LaTeX中各種常用盒子的使用總結
- yii2 檢視(佈局)中各種函式總結報告及使用場景函式
- 關於Android中各種尺寸的總結Android
- spark中的聚合函式總結Spark函式
- JS 中的函式 this 指向總結JS函式
- 程式猿的年終總結,各種版本各種殘
- stl中各種容器的自定義比較函式函式
- excel最常用的八個函式彙總 excel中各函式的用途功能Excel函式
- Http協議中的各種長度限制總結HTTP協議
- oracle 與 mysql 中的函式總結OracleMySql函式
- Oracle分析函式使用總結Oracle函式
- Maven-POM中的各種scope的行為總結Maven
- C和C++篇——各種各樣的函式C++函式
- C++中的函式指標和函式物件總結C++函式指標物件
- Linux Shell中各種括號用法總結!Linux
- react中三種函式呼叫方法總結React函式
- javascript 函式中的 this 的四種繫結形式JavaScript函式
- css各種佈局總結CSS
- js各種驗證總結JS
- oracle 各種遷移總結Oracle
- Emgucv使用中常用函式總結函式
- iOS 總結遇到的各種坑兒iOS
- Unix各種括號的用法總結
- caffe學習(1)caffe模型三種結構模型
- Java中各種Log的使用Java
- 總結logminer使用及各種問題處理
- python 中 print 函式用法總結Python函式
- Oracle 中 Over() 函式學習總結Oracle函式
- element ui中選擇元件el-select各種樣式和功能總結UI元件
- Android中使用程式碼截圖的各種方法總結Android
- 前端各種迴圈用法總結前端
- 建構函式的prototype與各種繼承函式繼承
- Oracle中B-Tree、Bitmap和函式索引使用案例總結Oracle函式索引
- php函式總結PHP函式
- Oracle 函式總結Oracle函式
- 前端樹形Tree資料結構使用-🤸🏻♂️各種姿勢總結前端資料結構
- PHP中很屌但經常被各種忽略的過濾器函式PHP過濾器函式
- 總結常用的字串函式字串函式