ubuntu openblas 安装？ubuntu镜像安装
大家好,今天小编来为大家解答以下的问题，关于ubuntu openblas 安装，ubuntu镜像安装这个很多人还不知道，现在让我们一起来看看吧！
caffe 使用gpu,有必要安装openblas么,有用intel MKL的么
安装caffe所安装mkl现想codeblock项目使用mkl
设置mkl环境变量：
mkl安装默认/opt/intel/mkl其/opt/intel/mkl/bin脚本设置环境变量根据mkluser guid：我电脑安装64位ubuntu 14.04所我使用
/opt/intel/mkl/bin/mklvars.sh inter64
报错说 typeset: not found,根据网搜索知应该用bash运行改用
/bin/bash/opt/intel/mkl/bin/mklvars.sh intel64
功机候些环境变量用面句代码加入～/profile面
测试环境变量否设：
icc--version
显示除intel编译器版本则功
code block控制台项目：
创建项目选控制台项目
编译器选择intel c/c++ compiler:
菜单栏 Project->build options选择
deep_nin项（左边面项目名称其面别Debug,Relase）右边选项选择Search
directories, Compiler项目添加/opt/intel/bin
编译运行默认hello, world!
添加 mkl编译项：
Project-> build options->Compiler settings->Other options添加-mkl编译项（图点问题左侧编译选项应该选 deep_ninDebug）
功调用 mkl库：
代码加入#include编译通功mkl引入项目
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
mkldnn/onednn/openblas
需要将 MKL_LIB_PATH="intel_2020.3.279/lib/intel64:intel_2020.3.279/mkl/lib/intel64"加入到LD_LIBRARY_PATH中。
example目录 intel_2020.3.279/mkl/examples/cblas/source/cblas_sgemmx.c这是mkl自带的example，还有cblas_gemm_s8u8s32x.c代表signed int8，unsigned int8，signed int32，对应传入的A、B、C矩阵数据类型，表示INT8量化加速接口。
编译命令：
make libintel64 function=cblas_gemm_s8u8s32 compiler=gnu
make libintel64 function=cblas_sgemm compiler=gnu
可以指定编译器为gnu还是intel的，也可以指定是并行多线程parallel还是单线程
先从git clone，然后需要指定make install的安装目录：
编译程序时使用命令 g++-g-o sgemm-std=c++11-I${DNNLROOT}/include-L${DNNLROOT}/lib64 cpu_sgemm_and_matmul.cpp-ldnnl
其中$DNNLROOT是make install的目录，否则会报 dnnl_config.h.in以及 libdnnl.so找不到的错误。
其中 oneDNN/examples/tutorials/matmul/cpu_sgemm_and_matmul.cpp是测试矩阵乘接口的文件，但是要放到examples目录下，因为需要引入example_utils.hpp头文件。
在onednn中，gemm有三种实现方案，gemm，static gemm和dynamic gemm。这些在mkl是没有的。
旧版mkl-dnn的gemm使用的是mkl的gemm，mkl对于小矩阵的计算，速度并不快。旧版mkl-dnn主要是做cnn和lstm的优化
onednn中，有两个选择，1继续使用mkl的gemm，2使用新的gemm。
默认安装到/opt/OpenBLAS/lib，否则需要将其加到LD_LIBRARY_PATH。
编译命令： g++-g-o sgemm compare_sgemm_shgemm.c-I/opt/OpenBLAS/include-L/opt/OpenBLAS/lib/-lopenblas
centos7.6 cat/proc/cpuinfo| grep name| cut-f2-d:| uniq-c
ubuntu18.04 grep"model name"/proc/cpuinfo|awk-F':''{print$NF}'
IDC服务器：Intel(R) Xeon(R) CPU E5-2680 v4@ 2.40GHz
MIT服务器：Intel(R) Core(TM) i7-7800X CPU@ 3.50GHz
