ubuntu blas安装？Ubuntu安装deb
大家好，感谢邀请，今天来为大家分享一下ubuntu blas安装的问题，以及和Ubuntu安装deb的一些困惑，大家要是还不太明白的话，也没有关系，因为接下来将为大家分享，希望可以帮助到大家，解决大家的问题，下面就开始吧！
ubuntu benchmark怎么进行测试
一、Linpack简介
Linpack是国际上最流行的用于测试高性能计算机系统浮点性能的benchmark。通过对高性能计算机采用高斯消元法求解一元N次稠密线性代数方程组的测试，评价高性能计算机的浮点性能。
Performance Linpack，也叫高度并行计算基准测试，它对数组大小N没有限制，求解问题的规模可以改变，除基本算法（计算量）不可改变外，可以采用其它任何优化方法。前两种测试运行规模较小，已不是很适合现代计算机的发展。
HPL是针对现代并行计算机提出的测试方式。用户在不修改任意测试程序的基础上，可以调节问题规模大小(矩阵大小)、使用CPU数目、使用各种优化方法等等来执行该测试程序，以获取最佳的性能。HPL采用高斯消元法求解线性方程组。求解问题规模为N时，浮点运算次数为(2/3* N^3－2*N^2)。因此，只要给出问题规模N，测得系统计算时间T，峰值=计算量(2/3* N^3－2*N^2)/计算时间T，测试结果以浮点运算每秒（Flops）给出。HPL测试结果是TOP500排名的重要依据。
二、Linpack安装与测试
1． Linpack安装条件：
在安装HPL之前，系统中必须已经安装了编译器、并行环境MPI以及基本线性代数子方程(BLAS)或矢量图形信号处理库(VSIPL)两者之一。
在Ubuntu下，使用apt-get安装gfortran，mpich2，每个计算节点都需要安装
安装完后，可先使用mpicc编译helloworld验证mpi集群是否工作正常
hpl linpack缺省配置是使用atlas的库，所以这里我们安装ATLAS
参考
根据atlas的安装文档,首先要switch off cpu throttling.首先安装cpufrequtils和cpufreqd这两个包,也许还要安装powernowd包
从下载atlas
cd ATLAS
mkdir build
cd build
../configure
make
编译没有问题的话会在lib目录下生成几个静态库
2．安装与编译Linpack：
第一步，从www.netlib.org/benchmark/hpl网站上下载HPL包hpl.tar.gz并解包
cd hpl-2.1
cp setup/Make.Linux_PII_CBLAS_gm Make.x86_64
vi Make.x86_64
修改下列配置：
ARCH= x86_64
TOPdir=$(HOME)/projects/hpl-2.1
LAdir=$(HOME)/projects/ATLAS/build/lib
LAinc=
LAlib=$(LAdir)/libcblas.a$(LAdir)/libatlas.a
然后开始编译：
make arch=x86_64
如果出现符号找不到的问题，请检查LAlib的库的位置
cd bin/x86_64
在这个目录下生成了两个文件， HPL.dat是linpack计算的配置文件， xhpl是测试程序
这里有关于HPL.dat的配置说明：
其中几个重要的参数(必须针对集群环境修改）
1#表示只做一次计算，使用下面的第一个数
100000 30 34 35 Ns#矩阵大小，为了测试性能，一般取N*N*8~内存总量，集群时考虑总内存量
1# of NBs
192 2 3 4 NBs#分块大小，经验值192
4 1 4 Ps# PxQ应该等于整个集群的进程数，一般等于cpu核数
16 4 1 Qs# P一般<=Q
如果是单机，可以运行mpiexec-n 64./xhpl来看一下是否工作正常。
对于集群，首先需要保证所有机器的可以相互使用ssh无密码登录（比如要从s1登录到s2,需要把s1上的.ssh/id_rsa.pub内容拷贝到s2的.ssh/authorized_keys里。
然后创建mpi_hosts文件，内容就是集群内各机器名称，每个机器一行。
在每个机器上，都需要有相同的用户，以及同样的hpl-2.1路径和文件HPL.data，xhpl程序
运行mpiexec-n 64-f mpi_hosts,./xhpl
注意：
1.矩阵不能太小，要保证矩阵数据可以占用大量内存，运行时可以free来查看内存使用量，用top，然后按1来查看cpu每个核的使用情况
2.节点间数据传输量比较大，应该使用万兆网络，否则网络会成为瓶颈。
3.本文只是为了验证，并不是为了优化benchmark。如果要达到更好的benchmark数值，应该使用优化的blas库，比如intel的mkl。intel的mkl本身就带了linpack测试程序
如何在linux系统下安装深度学习的caffe框架
Caffe需要预先安装一些依赖项，首先是CUDA驱动。不论是CentOS还是Ubuntu都预装了开源的nouveau显卡驱动（SUSE没有这种问题），如果不禁用，则CUDA驱动不能正确安装。以Ubuntu为例，介绍一下这里的处理方法，当然也有其他处理方法。
#sudovi/etc/modprobe.d/blacklist.conf
#增加一行：blacklistnouveau
sudoapt-get--purgeremovexserver-xorg-video-nouveau#把官方驱动彻底卸载：
sudoapt-get--purgeremovenvidia-*#清除之前安装的任何NVIDIA驱动
sudoservicelightdmstop#进命令行，关闭Xserver
sudokillallXorg
然后下载并安装NVIDIA CUDA驱动包，接着安装安装BLAS、OpenCV、Boost这三个库。BLAS数学库可以是ATLAS, MKL,或 OpenBLAS，OpenCV要求2.4以上版本，Boost要求1.55版本以上。可选安装Python MATLAB Caffe库，还有numpy，pandas之类的Python类库。安装MATLAB，以确保mex在path路径中，这些就够你折腾一个星期了，完事以后就可以编译安装了：
cpMakefile.config.exampleMakefile.config
#AdjustMakefile.config(forexample,ifusingAnacondaPython,orifcuDNNisdesired)
makeall
maketest
makeruntest
哦对了，Caffe显卡要求：Titan Xs, K80s, GTX 980s, K40s, K20s, Titans, and GTX 770s
深入浅出在Linux中安装BLASlinux安装blas
Linux是一种廉价且丰富的操作系统，它使用者可以选择安装支持各种应用程序的依赖库，BLAS（Basic Linear Algebra Subprograms）就是其中之一。BLAS是一个用于矩阵操作的API（Application Programming Interface），提供了基本的线性代数及数值分析的扩展功能，用于机器学习及其他数值分析领域十分流行。本文将介绍如何在Linux系统中安装BLAS库。
要在Linux上安装BLAS，你需要安装GNU的GCC编译器。使用以下命令以在Ubuntu/Debian系统上安装GCC：
`sudo apt-get install gcc`
接着，我们需要从BLAS官网下载最新的安装包：
`wget `
将其解压，在linux终端输入如下命令：
`tar xvf blas.tgz`
进入解压后的文件夹，我们需要编译BLAS：
`cd blas/`
`gcc-O2-c*.c`
`gcc-O2-shared-o libblas.so*.o`
完成编译后，我们需要设置环境变量：
`export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$PWD`
最后，我们要将已经编译后的文件安装到Linux中：
`sudo cp libblas.so/usr/lib/libblas.so`
现在，BLAS库已经安装完毕，我们可以调用相关API来操作进行矩阵操作等操作。
总之，安装BLAS库在Linux系统中非常简单。只需要几步操作，就可以安装BLAS库，然后就可以调用相关接口来进行矩阵操作等操作。
