从零开始的 Rust 语言 blas 库之预备篇（1）—— blas 基础介绍

下一篇：从零开始的 Rust 语言 blas 库之预备篇（2）—— blas 矩阵格式详解

文章部分参考：https://blog.csdn.net/hehe199807/article/details/108365427

前言

最近想着自己即将要踏入深度学习的领域发展，不能够只知其用法却不知道底层。

许多深度学习的模型，底层本质都是矩阵运算，于是突发奇想，打算自己移植一个线性代数库。凭借着之前的并行计算的基础，我选中了 blas 库，也是顺应了时代。

至于开发语言，我选中了 Rust 语言。一部分原因是我曾经参与过 rcore 项目，另一方面是 Rust 语言最近开始被 linux 社区接受了，我想也是时候支持这门新生语言了。

项目取名为 roblas，含义为 rust-only blas，项目地址为：https://github.com/rust-family/roblas

BLAS 基本说明

此处基本参考：https://blog.csdn.net/hehe199807/article/details/108365427

BLAS 库，即 Basic Linear Algrbra Subprograms，是进行向量和矩阵等基本线性代数操作的事实上的数值库。这些程序最早在 1979 年发布，是 LAPACK(Linear Algebra PACKage) 的一部分，便于建立功能更强的数值程序包。BLAS库在高性能计算中被广泛应用，由此衍生出大量优化版本，如 Intel MKL，AMD 的 ACML，ATLAS 等。在 cuda 计算领域，也有实现了相应接口的 cublas 库存在。

BLAS 构成

• BLAS1：支持向量与向量之间相关的操作。主要是为了编程方便，在实际计算中使用很少，因为不能在大多数机器上实现高性能。
• BLAS2：支持矩阵与向量之间相关的操作。在 $O(n^2)$ 时间复杂度实现 $O(n^2)$ 的浮点运算。在许多向量机上能实现接近峰值的性能。然而在多级存储器的处理器上则性能一般，因为受限于数据在存储器间的迁移。
• BLAS3：支持矩阵与矩阵之间相关的操作。在 $O(n^2)$ 时间复杂度实现 $O(n^3)$ 量级的浮点运算，能充分发挥现代处理器的性能，并且能为用户提供透明的并发机制。

BLAS 函数介绍

BLAS 中对每个函数的功能定义见官方：http://netlib.org/blas/blasqr.pdf。BLAS 函数名中的前缀 “x” 表示参数和返回值的类型：

• S：单精度实数
• D：双精度实数
• C：单精度复数
• Z：双精度复数
• Q：混合精度

其中混合精度由 S，D，C，Z 组成，最左边表示返回值类型，其余为参数类型。如 DROTMG 表示的是双精度的平面转换，SSCAL 表示的则是单精度的向量缩放。

BLAS 主要参数

此处有一个解释较好的回答：https://zhuanlan.zhihu.com/p/104287878。

在 BLAS2 和 BLAS3 的函数中，有以下重要的参数：

• INCX： 向量X的存储步长
• LDA： 矩阵A的存储步长(主维(Leading Dimension)实际占用的空间)。这个参数查看上述的知乎链接，若无法理解，可以观看老外视频：https://www.youtube.com/watch?v=PhjildK5oO8。在之后的文章中，我也会专门写一篇文章以理解 LDA 这个变量。
• TRANS： 矩阵的转置形式，T(实数转置)、N(实数非转置)、C(复数共轭转置)、H(复数共轭非转置)
• UPLO： 对称阵或三角阵的存储方式，U(上三角)、L(下三角)
• DIAG： 对角线形式，N(非单位对角线)、U(单位对角线)
• SIDE： 矩阵在操作中的位置，L(左边)、R(右边)

CBLAS 接口与 OpenBLAS

正如之前所说，BLAS 只是一组向量和矩阵运行的接口规范，也可以称为API规范。Netlib 用 fortran 实现了 BLAS 的这些 API 接口，得到的库也叫做 BLAS。Netlib只是一般性地实现了基本功能，并没有对运算做过多的优化。

LAPACK （linear algebra package），是著名的线性代数库，也是 Netlib 用 fortran 语言编写的。其底层是 BLAS，在此基础上定义了很多矩阵和向量高级运算的函数，如矩阵分解、求逆和求奇异值等。该库的运行效率比 BLAS 库高。

从某个角度讲，LAPACK 也可以称作是一组科学计算（矩阵运算）的接口规范。Netlib 实现了这一组规范的功能，得到的这个库叫做 LAPACK 库。

前面 BLAS 和 LAPACK 的实现均是用的 Fortran 语言。为了方便 c 程序的调用，Netlib 开发了 CBLAS 和 CLAPACK。其本质是在 BLAS 和 LAPACK 的基础上，增加了 c 的调用方式。

再有了接口规范之后，其他的组织、个人和公司，就可以根据此规范，实现自己的科学计算库。
开源社区实现的科学计算（矩阵计算）库中，比较著名的两个就是 atlas 和 OpenBLAS。它们都实现了 BLAS 的全部功能，以及 LAPACK 的部分功能，并且他们都对计算过程进行了优化。

下面是一些相关链接：

• netlib 实现的 blas 库：http://netlib.org/blas/
• atlas 库：http://www.netlib.org/atlas/
• lapack 库：http://www.netlib.org/lapack/

roblas 实现计划

目前的计划，是依照 netlib 的 cblas 库进行初版 roblas 的实现，即函数名需要遵守 c 规范，可能考虑后续与 c 进行链接测试。

netlib 中关于 blas 的使用文档非常的粪坑，因此在此找到了两个较好的文档：

https://www.hpc.nec/documents/sdk/SDK_NLC/UsersGuide/blas/f/en/index.html

https://spec.oneapi.com/versions/0.7/elements/oneMKL/source/domains/blas/blas.html#onemkl-blas

平台相关的优化，预计在明年再实现，主要涉及到多线程以及 SIMD 优化。Rust 的多线程支持已经基本完善，x86/x64 的 SIMD 支持也已经到位，理论上可以实现。

码字不易，且看且珍惜~