我目前正在探索用于线性代数的 Armadillo C++ 库。据我了解，它使用 LAPACK/BLAS 库进行基本矩阵运算（例如矩阵乘法）。作为 Windows 用户，我从这里下载了 LAPACK/BLAS：http://icl.cs.utk.edu/lapack-for-windows/lapack/#running。问题是与 Matlab 甚至 R 相比，矩阵乘法非常慢。例如，Matlab 在我的计算机上在 ~0.15 秒内将两个 1000x1000 矩阵相乘，R 需要 ~1 秒，而 C++/Armadillo/LAPACK/BLAS 需要超过 10秒。
因此，Matlab 是基于高度优化的线性代数库。我的问题是，是否有更快的 LAPACK/BLAS brary 可以从犰狳中使用？或者，有没有办法以某种方式提取 Matlab 线性代数库并在 C++ 中使用它们？
【问题讨论】：
LAPACK 不进行矩阵乘法。提供矩阵乘法的是 BLAS。
如果您有 64 位操作系统，我建议您先尝试 64 位版本的 BLAS。这将使您的性能立即翻倍。
其次，看看 BLAS 的高性能实现，例如OpenBLAS。 OpenBLAS 同时使用矢量化和并行化（即多核）。这是一个免费（无成本）的开源项目。
Matlab 内部使用Intel MKL 库，您也可以将其与Armadillo library 一起使用。英特尔 MKL 是封闭源代码，但可免费用于非商业用途。请注意，OpenBLAS 可以获得与英特尔 MKL 相当或更好的矩阵乘法性能。
请注意，高性能线性代数通常在 Linux 和 Mac OS X 上比在 Windows 上更容易完成。
【讨论】：
除了已经说过的内容之外，您还应该使用高级别的优化：
请务必使用 O2 或 O3 编译器标志。
链接到上述高性能（可能还有多线程）BLAS 库。不过，AFAIK MKL 仅可免费用于 Unix 平台，如果您在 Windows 中使用像 cygwin 这样的 Linux 机器，那么我猜这应该没问题。 OpenBLAS 也是多线程的。
在许多库中，设置符号 NDEBUG（例如，传递编译器标志 -DNDEBUG）会关闭代价高昂的范围检查和断言。 Armadillo 有自己的符号，称为 ARMA_NO_DEBUG，您可以手动设置它，也可以编辑 config.hpp 头文件（位于 armadillo 包含目录中）并取消注释相应的行。我猜既然你能够在犰狳中打开外部 BLAS 使用，那么无论如何你应该熟悉这个配置文件......
我在我的 intel core-i7 工作站上对犰狳/MKL_BLAS 和 Matlab 进行了快速比较。对于 C++ exe，我使用了 -O3、MKL BLAS 并定义了 ARMA_NO_DEBUG。我将 1000x1000 随机矩阵乘以 100 次，然后平均乘法时间。 C++ 实现比 matlab 快大约 1.5 倍。
希望对你有帮助
【讨论】：
有没有办法以某种方式提取 Matlab 线性代数库并在 C++ 中使用它们？是的，对于 C++ 调用 matlab 函数，请参考此链接：How to Call Matlab Functions from C++
【讨论】：
几个用于线性代数的 C++ 库提供了一种与高度优化的库链接的简单方法。
看http://software.intel.com/en-us/articles/intelr-mkl-and-c-template-libraries
您应该能够将 Armadillo 链接到 MKL 以获得更高的性能，但它是一个商业包，
【讨论】：