的uBLAS与矩阵模板库（MTL4）(ublas vs. matrix template libra

我正在写在C ++双曲型偏微分方程软件。几乎所有的符号表示向量和矩阵的。最重要的是，我需要的线性代数求解。是的，向量的和矩阵的尺寸可以显着改变（比如从1000到只能由分布式存储器计算来解决尺寸，例如。簇或类似的体系结构）。如果我生活在乌托邦，我曾经有过它可以扩展伟大的集群，GPU和多核线性解算器。

在考虑中的数据结构应该代表变量，我来到accros的boost.ublas和MTL4。这两个库是布拉斯级别3兼容，MTL4实现稀疏求解器，比的uBLAS快得多。他们都没有已经实现支持多核处理器，何况分布式的内存计算的并行化。在另一方面，MTL4的发展取决于2个开发者唯一的工作（至少我的理解），我敢肯定是有原因的uBLAS库是Boost库。此外，英特尔的MKL库包括与uBLAS库结合其结构的例子。我想我的数据和软件绑定到数据结构，将稳如磐石，开发和维护的时间长的时间。

最后，问题。什么是与使用的uBLAS和/或MTL4你的经验，并且你会推荐什么？

感谢名单，mightydodol

Answer 1:

随着你的要求，我可能会去BOOST :: uBLAS库。的确，uBLAS库调配好应大致与有关的速度MTL4相提并论。

其原因是存在绑定的ATLAS （你可以有效地优化您的计算机，因此共享内存并行），以及供应商的调整实现，如英特尔数学核心函数库或HP MLIB 。

凭借这些绑定，具有良好的调节ATLAS / BLAS库的uBLAS做数学应足够快。如果你对一个给定的BLAS / ATLAS链接，你应该大致与MTL4反对使用编译器标志相同的BLAS / ATLAS联相提并论-DMTL_HAS_BLAS根据自己的，而且很可能比MTL4快没有BLAS 观测（例如看这里其中GotoBLAS优于MTL4）。

综上所述，速度不应该是你的决定性因素，只要你愿意使用一些BLAS库。可用性和支持更为重要。你必须决定，MTL或uBLAS库是否更适合你。我倾向于uBLAS库因为它是BOOST的一部分，MTL4目前仅支持BLAS 选择。您可能还觉得这有点过时的科学的C ++封装比较有趣。

一个大，但：您的要求（非常大的矩阵），我可能会跳过“语法糖”的uBLAS或MTL，并直接调用BLAS / LAPACK的“金属” C接口。但是，这只是我...另一个优点是，它应该是更容易比切换到的ScaLAPACK （分布式的内存LAPACK，从未用过它）的更大的问题。只是要清楚：房屋保持的问题，我不建议直接调用BLAS库。

Answer 2:

如果你在C ++编程向量，矩阵和线性代数，我想看看征：

http://eigen.tuxfamily.org/

它比的uBLAS（不知道MTL4）和更简洁的语法更快。

Answer 3:

对于新的项目，它可能是最好远离Boost的uBLAS库了。该FAQ uBLAS库甚至有自2012年底这样的警告：

问：我应该使用新项目的uBLAS？ ... uBLAS库的最后一个主要的改进是在2008年和2009年以来...性能没有显著变化承诺？ 有更快的替代品。 前沿？ uBLAS库超过10岁，错过了所有新的东西从C ++ 11。

Answer 4:

有一个C ++库在此列表中丢失：FLENS

http://flens.sf.net

免责声明：是的，这是我的宝贝

它只是头
用一个简单的，非高性能的，通用的（即模板）C ++参考BLAS的自带实行。
如果有的话，你可以使用一个优化的BLAS实现作为后端。在这种情况下，它就像直接使用BLAS（一些基准测试我应该更新）。
您可以使用重载运算而不是调用BLAS功能。
它有它自己的，独立的，通用一堆LAPACK功能的重新实行。我们称这个端口FLENS，LAPACK 。
FLENS，LAPACK具有完全相同的精度和性能作为入Netlib的LAPACK。在我的经验（FLENS-）LAPACK + ATLAS或（FLENS-）LAPACK + OpenBLAS为您提供了相同的性能，ACML或MKL。
FLENS具有关于线性代数表达式求值的创建临时矢量/矩阵的不同的策略。该FLENS方针是：从不创建他们！。然而，在一个特殊的调试模式，我们允许“在必要时”的临时对象的创建。这个“必要时”的政策就是在像征或犰狳或在Matlab其他库的默认。