我一直在寻找在性能基准测试： http://eigen.tuxfamily.org/index.php?title=Benchmark
我不禁注意到，本征出现持续超越所有专门的供应商库。 问题是：怎么可能？ 人们会认为MKL / GOTO将使用处理器专用调谐代码，而本征是相当通用的。
注意这个http://download.tuxfamily.org/eigen/btl-results-110323/aat.pdf ，基本上是一个DGEMM。 对于N = 1000的本征变得大致17Gf，MKL仅12Gf
艾根有懒的评价。 从如何征比较BLAS / LAPACK？ ：
对于涉及复杂的表达式运算，本征天生就比任何BLAS实现更快，因为它可以处理和优化全球整体操作 - 而BLAS迫使程序员到复杂的操作分成匹配BLAS固定功能的API，小的步骤，这将产生效率低下由于引进的临时的。 参见例如一个Y的基准测试结果=其涉及两个调用BLAS级别1的例程，而本征自动生成一个单一的量化循环一个X + B Y形操作。
在第二个图表的基准是Y = a*X + b*Y ，其本征是专门设计来处理。 这应该是毫无疑问，库胜在它是创造了一个标杆。 你会发现，更通用的基准，如矩阵的矩阵乘法，没有表现出任何优势征。
基准的设计被误解 。
让我们来看看矩阵*矩阵产品。 本上提供的基准页面从征的网站告诉你比艾根（有自己的BLAS）给出了类似的MKL大矩阵（N = 1000）的时序。 我比较本征3.2.6与MKL 11.3我的计算机上（具有核i7膝上型计算机）和MKL比本征快3倍，使用一个线程这样的矩阵，并且比使用4个线程的本征快10倍。 这看起来像一个完全不同的结论。 有两个原因。 艾根3.2.6（其内部BLAS）不使用AVX。 此外，它似乎并没有做多线程的一个很好的使用。 因为他们使用的是不具有AVX支持多线程没有一个CPU此基准隐藏这一点。
通常情况下，这些C ++库（本征，犰狳，火焰）带来两件事情：
通常情况下，当这些图书馆提供对MKL基准，他们通常使用旧的硬件，也不要在多线程关闭，使他们能够在与票面MKL。 他们也可能比较BLAS级别1的操作，如Y =阿尔法X1 + 2调用一个BLAS 1级功能，是无论如何做的傻事测试版X2。
简而言之 ，这些库是为他们的+超载极其方便*这是非常困难的，而不会丢失性能做。 他们通常做一个很好的工作。 但是，当他们给你的基准说，他们可以在标准杆或用自己的BLAS击败MKL，要小心，做你自己的基准。 你通常会得到不同的结果;-)。
看看这个线程从这里开始，本征邮件列表：
它示出了用于实例ATLAS优于本征的矩阵矩阵产物由46％：
如何在基准测试做更多的基准结果和细节可以在这里找到：
英特尔（R）核心（TM）i5-3470 CPU @ 3.20GHz：
http://www.mathematik.uni-ulm.de/~lehn/bench_FLENS/index.html
编辑：
对于我的演讲“软件基础的高性能计算”我创建了一个名为ulmBLAS微架构。 它包含的ATLAS基准套件和学生可以根据在实现自己的矩阵，矩阵产品BLIS论文。 你可以看看最终的基准也衡量征：
您可以使用ulmBLAS框架，以使自己的基准。
也看看
它似乎并没有持续超越其他库，可以在图中可以看出往后你挂在该网页。 因此，不同的库都是不同的使用情况进行了优化，并且不同的库是针对不同的问题更快。
这并不奇怪，因为你通常不能完全适用于所有的用例进行优化。 优化一个具体的操作通常限制了其他使用情况的优化选项。
我发送到ATLAS邮件列表同样的问题前一段时间：
http://sourceforge.net/mailarchive/message.php?msg_id=28711667
克林特（ATLAS的开发者）不相信这些基准。 他提出了一些值得信赖的基准程序。 只要我有一些空闲时间，我会做这样的标杆。
如果本征的BLAS功能实际上是快那么GotoBLAS / GotoBLAS，ATLAS的，MKL那么他们无论如何都应该提供一个标准的BLAS接口。 这将允许LAPACK针对这样的固有BLAS链接。 在这种情况下，它也将是Matlab和朋友一个有趣的选择。
通用代码可以很快，因为编译时功能评价（CTFE）允许选择最佳的寄存器阻断策略（小的临时存储在CPU寄存器子矩阵）。
米尔GLAS和Intel MKL比征和OpenBLAS更快。 相比于艾根米尔GLAS是更通用。 又见基准和reddit的线程 。
