1. 简介
mcBLAS库是基于MetaX MXMACA® 运行时的基本线性代数子程序（Basic Linear Algebra Subprograms，BLAS）的实现。它允许用户访问MetaX GPU的计算资源。
要使用mcBLAS API，应用程序必须在GPU内存空间中分配所需的矩阵和向量并使用数据填充，调用所需mcBLAS函数的序列，然后将结果从GPU内存空间上传回主机。mcBLAS API还提供了用于从GPU写入和检索数据的辅助函数。
mcBLAS提供了与传统BLAS功能相似的高性能健壮实现，适用于在GPU上运行。
mcBLAS以C++14和MXMACA编写。它使用MetaX MXMACA运行时以在GPU设备上运行。
mcBLAS API是一个使用沙漏模式（Hourglass Pattern）的精简C99 API。它包含：
[Helper]、[ Level1]、[ Level2]、[ Level3 ]和[BLAS-Like] BLAS函数，具有批处理（batched）版本和跨步批处理（strided-batched）版本。
1.1. 安装mcBLAS
mcBLAS库随MXMACA工具包一起发布。MXMACA工具包的安装，参见《曦云系列通用计算GPU 快速上手指南》。安装后，确保设置了环境变量MACA_PATH。
export MACA_PATH=/opt/maca
这里的 /opt/maca 路径为MXMACA工具包的默认安装路径。如果安装时选择了其它路径，则将MACA_PATH设置为该路径。
下面列出了与mcBLAS API相关的文件。
#header location:
${MACA_PATH}/include/mcblas
#lib location:
${MACA_PATH}/lib/libmcblas.so
在使用mcBLAS库进行编译之前，请确保环境变量ISU_FASTMODEL设置为1。
export ISU_FASTMODEL=1
1.2. Hello mcBLAS
有关示例代码参考，请参见下面的两个示例。它们展示了使用有两种索引样式的mcBLAS库API和C语言编写应用程序（示例1.“使用C和mcBLAS的应用程序：基于1的索引”和示例2.“使用C和mcBLAS的应用程序：基于0的索引”）。
#CMakeLists.txt
cmake_minimum_required(VERSION 3.5.0)
set(PROJECT_NAME example)
project(${PROJECT_NAME} VERSION 0.1.0)
set(CMAKE_BUILD_TYPE "Debug")
set(CMAKE_CXX_STANDARD 14)
INCLUDE_DIRECTORIES(ENV{MACA_PATH}/include/mcr)
INCLUDE_DIRECTORIES(ENV{MACA_PATH}/include/mcblas)
INCLUDE_DIRECTORIES(ENV{MACA_PATH}/include)
LINK_DIRECTORIES(ENV{MACA_PATH}/lib)
file(GLOB EXAMPLE_SRCS1 "example1.cpp")
file(GLOB EXAMPLE_SRCS2 "example2.cpp")
add_executable("example1" ${EXAMPLE_SRCS1})
add_executable("example2" ${EXAMPLE_SRCS2})
target_link_libraries("example1" mcblas mcruntime)
target_link_libraries("example2" mcblas mcruntime)
//示例1.使用C和mcBLAS的应用程序：基于1的索引
//example1.cpp
//-----------------------------------------------------------
#include <stdio.h>
#include <stdlib.h>
#include <math.h>
#include <mc_runtime.h>
#include "mcblas.h"
#define M 6
#define N 5
#define IDX2F(i,j,ld) ((((j)-1)*(ld))+((i)-1))
static __inline__ void modify (mcblasHandle_t handle, float *m, int ldm, int n, int p, int q, float alpha, float beta){
mcblasSscal (handle, n-q+1, &alpha, &m[IDX2F(p,q,ldm)], ldm);
mcblasSscal (handle, ldm-p+1, &beta, &m[IDX2F(p,q,ldm)], 1);
}
int main (void){
int mcStat;
mcblasStatus_t stat;
mcblasHandle_t handle;
int i, j;
float* devPtrA;
float* a = 0;
a = (float *)malloc (M * N * sizeof (*a));
if (!a) {
printf ("host memory allocation failed");
return EXIT_FAILURE;
}
for (j = 1; j <= N; j++) {
for (i = 1; i <= M; i++) {
a[IDX2F(i,j,M)] = (float)((i-1) * N + j);
}
}
mcStat = mcMalloc ((void**)&devPtrA, M*N*sizeof(*a));
if (mcStat != 0) {
printf ("device memory allocation failed");
return EXIT_FAILURE;
}
stat = mcblasCreate(&handle);
if (stat != MCBLAS_STATUS_SUCCESS) {
printf ("mcBLAS initialization failed\n");
return EXIT_FAILURE;
}
stat = mcblasSetMatrix (M, N, sizeof(*a), a, M, devPtrA, M);
if (stat != MCBLAS_STATUS_SUCCESS) {
printf ("data download failed");
mcFree (devPtrA);
mcblasDestroy(handle);
return EXIT_FAILURE;
}
modify (handle, devPtrA, M, N, 2, 3, 16.0f, 12.0f);
stat = mcblasGetMatrix (M, N, sizeof(*a), devPtrA, M, a, M);
if (stat != MCBLAS_STATUS_SUCCESS) {
printf ("data upload failed");
mcFree (devPtrA);
mcblasDestroy(handle);
return EXIT_FAILURE;
}
mcFree (devPtrA);
mcblasDestroy(handle);
for (j = 1; j <= N; j++) {
for (i = 1; i <= M; i++) {
printf ("%7.0f", a[IDX2F(i,j,M)]);
}
printf ("\n");
}
free(a);
return 0;
}
//示例2.使用C和mcBLAS的应用程序：基于0的索引
//example2.cpp
//-----------------------------------------------------------
#include <stdio.h>
#include <stdlib.h>
#include <math.h>
#include <mc_runtime.h>
#include "mcblas.h"
#define M 6
#define N 5
#define IDX2C(i,j,ld) (((j)*(ld))+(i))
static __inline__ void modify (mcblasHandle_t handle, float *m, int ldm, int n, int p, int q, float alpha, float beta){
mcblasSscal (handle, n-q, &alpha, &m[IDX2C(p,q,ldm)], ldm);
mcblasSscal (handle, ldm-p, &beta, &m[IDX2C(p,q,ldm)], 1);
}
int main (void){
int mcStat;
mcblasStatus_t stat;
mcblasHandle_t handle;
int i, j;
float* devPtrA;
float* a = 0;
a = (float *)malloc (M * N * sizeof (*a));
if (!a) {
printf ("host memory allocation failed");
return EXIT_FAILURE;
}
for (j = 0; j < N; j++) {
for (i = 0; i < M; i++) {
a[IDX2C(i,j,M)] = (float)(i * N + j + 1);
}
}
mcStat = mcMalloc ((void**)&devPtrA, M*N*sizeof(*a));
if (mcStat != 0) {
printf ("device memory allocation failed");
return EXIT_FAILURE;
}
stat = mcblasCreate(&handle);
if (stat != MCBLAS_STATUS_SUCCESS) {
printf ("mcBLAS initialization failed\n");
return EXIT_FAILURE;
}
stat = mcblasSetMatrix (M, N, sizeof(*a), a, M, devPtrA, M);
if (stat != MCBLAS_STATUS_SUCCESS) {
printf ("data download failed");
mcFree (devPtrA);
mcblasDestroy(handle);
return EXIT_FAILURE;
}
modify (handle, devPtrA, M, N, 1, 2, 16.0f, 12.0f);
stat = mcblasGetMatrix (M, N, sizeof(*a), devPtrA, M, a, M);
if (stat != MCBLAS_STATUS_SUCCESS) {
printf ("data upload failed");
mcFree (devPtrA);
mcblasDestroy(handle);
return EXIT_FAILURE;
}
mcFree (devPtrA);
mcblasDestroy(handle);
for (j = 0; j < N; j++) {
for (i = 0; i < M; i++) {
printf ("%7.0f", a[IDX2C(i,j,M)]);
}
printf ("\n");
}
free(a);
return EXIT_SUCCESS;
}
1.3. 数据布局
为了最大程度地兼容现有的Fortran环境，mcBLAS库使用列主（column-major）格式存储和基于1的索引。由于C和C++使用行主（row-major）格式存储，因此用这些语言编写的应用程序不能对二维数组使用原生数组语义。相反，应定义宏或内联函数（inline function）以基于一维数组实现矩阵。对于以机械方式移植到C的Fortran代码，可以选择保留基于1的索引，以避免变换循环（loop）。在这种情况下，可以通过以下的宏来计算行“i”和列“j”中矩阵元素的数组索引。
#define IDX2F(i,j,ld) ((((j)-1)*(ld))+((i)-1))
在这里，ld是指矩阵的前导维度（leading dimension），在列主存储的情况下，它是已分配矩阵（即使只使用其子矩阵）的行数。对于原生编写的C和C++代码，最有可能选择基于0的索引，在这种情况下，可以通过以下的宏来计算行“i”和列“j”中矩阵元素的数组索引。
#define IDX2C(i,j,ld) (((j)*(ld))+(i))
2. 使用mcBLAS API
2.1. mcBLAS数据类型
2.1.1. mcblasHandle_t
mcblasHandle_t 是指向不透明结构的指针类型，该结构包含mcBLAS库的上下文。mcBLAS库上下文必须使用 mcblasCreate() 进行初始化，并且返回的句柄必须传入所有后续库函数调用。需要在结束时使用 mcblasDestroy() 销毁此上下文。
2.1.2. mcblas_int
typedef int32_t mcblas_int;
通过mcBLAS，根据MetaX硬件以指定int。
2.1.3. mcblas_stride
typedef int64_t mcblas_stride;
跨步批处理函数中矩阵或向量之间的步幅（stride）。
2.1.4. mcblas_half
表示16位浮点数的结构。
2.1.5. mcComplex
类，表示具有单精度实数和虚数部分的复数。
2.1.6. mcDoubleComplex
类，表示具有双精度实数和虚数部分的复数。
2.1.7. mcblasStatus_t
该类型用于函数状态返回。
所有mcBLAS库函数调用返回其状态 mcblasStatus_t。
值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
资源分配失败 |
|
使用无效的数值作为参数 |
|
当前函数功能在本设备上不支持 |
|
访问GPU内存空间失败 |
|
GPU程序无法执行 |
|
内部操作失败 |
|
不支持所需功能 |
2.1.8. macaDataType_t
macaDataType_t 是指定数据精度的枚举类型。当数据引用（data reference）不携带type类型时（例如void *），使用此枚举。
例如，可在 mcblasSgemmEx 例程中使用。
值 |
含义 |
|---|---|
|
数据类型为16-bit实数半精度浮点 |
|
数据类型为16-bit复数半精度浮点 |
|
数据类型为16-bit实数bfloat16浮点 |
|
数据类型为16-bit复数bfloat16浮点 |
|
数据类型为32-bit实数单精度浮点 |
|
数据类型为32-bit复数单精度浮点 |
|
数据类型为64-bit实数双精度浮点 |
|
数据类型为64-bit复数双精度浮点 |
|
数据类型为8-bit实数有符号整数 |
|
数据类型为8-bit复数有符号整数 |
|
数据类型为8-bit实数无符号整数 |
|
数据类型为8-bit复数无符号整数 |
|
数据类型为32-bit实数有符号整数 |
|
数据类型为32-bit复数有符号整数 |
2.1.9. mcblasOperation_t
mcblasOperation_t 类型表明需要使用稠密矩阵（dense matrix）执行的操作。其值对应于Fortran字符 ‘N’ 或 ‘n’ （非转置），‘T’ 或 ‘t’ （转置），以及 ‘C’ 或 ‘c’ （共轭转置），这些常用作传统BLAS实现的参数。
值 |
含义 |
|---|---|
|
选择非转置操作 |
|
选择转置操作 |
|
选择共轭转置操作 |
2.1.10. mcblasFillMode_t
该类型表明填充稠密矩阵的哪个部分（下或上），因此函数应使用该部分。其值对应于Fortran字符 ‘L’ 或 ‘l’ （下），以及 ‘U’ 或 ‘u’ （上），这些常用作传统BLAS实现的参数。
值 |
含义 |
|---|---|
|
填充矩阵的下半部分 |
|
填充矩阵的上半部分 |
|
填充完整的矩阵 |
2.1.11. mcblasDiagType_t
该类型表明稠密矩阵的主对角线是否为单位元素，因此函数不应处理或修改主对角线。其值对应于Fortran字符 ‘N’ 或 ‘n’ （非单位，non-unit），以及 ‘U’ 或 ‘u’ （单位，unit），这些常用作传统BLAS实现的参数。
值 |
含义 |
|---|---|
|
矩阵对角线具有非单位元素 |
|
矩阵对角线具有单位元素 |
2.1.12. mcblasSideMode_t
该类型表明稠密矩阵位于由特定函数解出的矩阵方程的左侧还是右侧。其值对应于Fortran字符 ‘L’ 或 ‘l’ （左），以及 ‘R’ 或 ‘r’ （右），这些常用作传统BLAS实现的参数。
值 |
含义 |
|---|---|
|
矩阵位于方程的左侧 |
|
矩阵位于方程的右侧 |
2.1.13. mcblasPointerMode_t
mcblasPointerMode_t 类型表明是否在主机或设备上通过引用传递标量值。需要指出的是，如果函数调用中存在多个标量值，则它们都必须符合相同的单指针模式（single pointer mode）。可以分别使用 mcblasSetPointerMode() 和 mcblasGetPointerMode() 例程对指针模式进行设置和检索。
值 |
含义 |
|---|---|
|
在主机上通过引用传递标量 |
|
在设备上通过引用传递标量 |
2.1.14. mcblasAtomicsMode_t
该类型表明是否可以使用mcBLAS例程的采用了原子操作的备用实现。可以分别使用 mcblasSetAtomicsMode() 和 mcblasGetAtomicsMode() 例程对原子模式进行设置和查询。
值 |
含义 |
|---|---|
|
不允许使用原子操作 |
|
允许使用原子操作 |
2.1.15. mcblasGemmAlgo_t
mcblasGemmAlgo_t是一个枚举类型，用于指定GPU上矩阵-矩阵乘的算法。 mcBLAS具有以下算法选项：
值 |
含义 |
|---|---|
|
应用启发式算法选择GEMM算法。 |
|
显式选择算法[0,23]。 |
|
应用启发式算法选择GEMM算法，
同时允许使用精度降低的
|
|
显式选择一个Tensor Core GEMM算法[0,15]。
允许使用精度降低的
|
2.1.16. mcblasMath_t
mcblasMath_t 枚举类型用于
在 mcblasSetMathMode() 中选择计算精度模式，如下定义。
值 |
含义 |
|---|---|
|
默认且性能最高的模式，使用的计算和中间结果存储 精度至少与请求的尾数和指数位数相同。 将尽可能使用Tensor Core。 |
|
该模式对所有计算阶段使用规定的精度和标准化算法， 主要用于数值稳健性研究、测试和调试。 该模式的性能可能不如其他模式。 |
|
使用TF32 Tensor Core实现单精度例程加速。 |
|
在输出类型精度小于计算类型精度的混合精度例程中， 强制矩阵乘法期间的任意缩减使用累加器类型 （即计算类型）， 而不是输出类型。 这是一个标志，通过按位或（bitwise or）运算， 可以与其他任意值一起设置。 |
|
允许库尽可能使用Tensor Core操作。
对于单精度GEMM例程，mcBLAS将使用
|
2.1.17. mcblasComputeType_t
mcblasComputeType_t 枚举类型用于在 mcblasGemmEx 和 mcblasLtMatmul 中（包括所有批处理变量和跨步批处理变量），选择计算精度模式，如下定义。
值 |
含义 |
|---|---|
|
默认且性能最高的模式，16-bit半精度浮点以及 所有计算和中间结果存储精度至少为16-bit半精度。 将尽可能使用Tensor Core。 |
|
该模式对所有计算阶段使用16-bit半精度浮点标准化算法， 主要用于数值稳健性研究、测试和调试。 该模式的性能可能不如其他模式， 因为它禁用了Tensor Core。 |
|
默认的32-bit单精度浮点， 使用至少32-bit的计算和中间结果存储精度。 |
|
对所有计算阶段使用32-bit单精度浮点运算， 并禁用算法优化，如高斯复杂度归约（3M）。 |
|
允许库对32-bit输入和输出矩阵使用具有自动下变频 （down-conversion）功能的Tensor Core和 16-bit半精度计算。 |
|
允许库对32-bit输入和输出矩阵使用 具有自动下变频换功能的Tensor Core和bfloat16计算。 |
|
允许库对将32-bit输入和输出矩阵使用Tensor Core和 TF32计算。 |
|
默认的64-bit双精度浮点，使用至少64-bit的计算和 中间结果存储精度。 |
|
对所有计算阶段使用64-bit双精度浮点运算， 并禁用算法优化，如高斯复杂度归约（3M）。 |
|
默认的32-bit整数模式， 使用至少32-bit的计算和中间结果存储精度。 |
|
对所有计算阶段使用32-bit整数运算。 |
2.2. mcBLAS辅助函数
2.2.1. mcblasCreate()
mcblasStatus_t
mcblasCreate(mcblasHandle_t *handle)
该函数用于初始化mcBLAS库并创建一个不透明结构的句柄，该结构存放mcBLAS库上下文。该函数在主机和设备上分配硬件资源，必须在调用其他任何mcBLAS库之前对其进行调用。mcBLAS库上下文与当前MXMACA设备绑定。要在多个设备上使用库，需要为每个设备创建一个mcBLAS句柄。此外，对于给定设备，可以创建多个具有不同配置的mcBLAS句柄。由于通过 mcblasCreate() 分配一些内部资源和通过 mcblasDestroy() 释放这些资源将隐式调用 mcblasDeviceSynchronize()，因此建议尽量减少 mcblasCreate()/mcblasDestroy() 的调用次数。对于使用相同设备但来自不同线程的多线程应用，推荐使用的编程模型是为每个线程创建一个mcBLAS句柄，并在线程的整个生命周期中使用该mcBLAS句柄。
返回值 |
含义 |
|---|---|
|
初始化成功 |
|
MXMACA运行时初始化失败 |
|
资源无法分配 |
|
|
2.2.2. mcblasDestroy()
mcblasStatus_t
mcblasDestroy(mcblasHandle_t handle)
此函数释放mcBLAS库使用的硬件资源。此函数通常是使用mcBLAS库的特定句柄进行的最后一次调用。由于通过 mcblasCreate() 分配一些内部资源和通过 mcblasDestroy() 释放这些资源将隐式调用 mcblasDeviceSynchronize()，因此建议尽量减少 mcblasCreate()/mcblasDestroy() 的调用次数。
返回值 |
含义 |
|---|---|
|
释放成功 |
|
库未初始化 |
2.2.3. mcblasGetVersion()
mcblasStatus_t
mcblasGetVersion(mcblasHandle_t handle, int *version)
此函数返回mcBLAS库的版本号。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
为库版本号提供的存储未初始化（NULL） |
2.2.4. mcblasGetProperty()
mcblasStatus_t
mcblasGetProperty(libraryPropertyType type, int *value)
该函数返回内存中请求属性的值（由value指向）。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
无效的类型值
|
2.2.5. mcblasGetStatusName()
const char* mcblasGetStatusName(mcblasStatus_t status)
该函数返回给定状态的字符串表示。
返回值 |
含义 |
|---|---|
NULL结尾字符串 |
|
2.2.6. mcblasGetStatusString()
const char* mcblasGetStatusString(mcblasStatus_t status)
该函数返回给定状态的描述字符串。
返回值 |
含义 |
|---|---|
NULL结尾的字符串 |
|
2.2.7. mcblasSetStream()
mcblasStatus_t
mcblasSetStream(mcblasHandle_t handle, mcStream_t streamId)
此函数设置mcBLAS库流，该库流将用于后续所有的mcBLAS库函数调用。如果未设置mcBLAS库流，则所有内核都使用默认的 NULL 流。特别是，此例程可用于更改内核启动（kernel launch）之间的流，然后将mcBLAS库流重置回 NULL。此外，此函数无条件地将mcBLAS库工作空间重置回默认的工作空间池（请参见 mcblasSetWorkspace()）。
返回值 |
含义 |
|---|---|
|
流设置成功 |
|
库未初始化 |
2.2.8. mcblasSetWorkspace()
mcblasStatus_t
mcblasSetWorkspace(mcblasHandle_t handle, void *workspace,
size_t workspaceSizeInBytes)
此函数将mcBLAS库工作空间设置为用户拥有的设备缓冲区，该缓冲区将用于后续所有的mcBLAS库函数调用（在当前设置的流上）。如果未设置mcBLAS库工作空间，则所有内核都使用在mcBLAS上下文创建期间分配的默认工作空间池。特别是，此例程可用于更改内核启动之间的工作空间。工作空间指针必须至少为256字节对齐，否则将返回 MCBLAS_STATUS_INVALID_VALUE 错误。mcblasSetStream() 函数无条件地将mcBLAS库工作空间重置回默认的工作空间池。workspaceSizeInBytes 太小可能会导致某些例程失败并返回 MCBLAS_STATUS_ALLOC_FAILED 错误，或导致较大的性能回归。工作空间需大于或等于16KiB，以防止 MCBLAS_STATUS_ALLOC_FAILED 错误，而较大的工作空间可以为某些例程提供性能优势。建议用户提供的工作空间至少为4MiB（以匹配mcBLAS的默认工作空间池）。
返回值 |
含义 |
|---|---|
|
流设置成功 |
|
库未初始化 |
|
|
2.2.9. mcblasGetStream()
mcblasStatus_t
mcblasGetStream(mcblasHandle_t handle, mcStream_t *streamId)
此函数获取用于后续所有mcBLAS库函数调用的mcBLAS库流。如果未设置mcBLAS库流，则所有内核都使用默认的 NULL 流。
返回值 |
含义 |
|---|---|
|
流返回成功 |
|
库未初始化 |
|
|
2.2.10. mcblasGetPointerMode()
mcblasStatus_t
mcblasGetPointerMode(mcblasHandle_t handle, mcblasPointerMode_t *mode)
此函数获取mcBLAS库使用的指针模式。有关详细信息，请参见 mcblasPointerMode_t 。
返回值 |
含义 |
|---|---|
|
指针模式获取成功 |
|
库未初始化 |
|
|
2.2.11. mcblasSetPointerMode()
mcblasStatus_t
mcblasSetPointerMode(mcblasHandle_t handle, mcblasPointerMode_t mode)
此函数设置mcBLAS库使用的指针模式。default 是在主机上通过引用传递的值。有关详细信息，请参见 mcblasPointerMode_t 。
返回值 |
含义 |
|---|---|
|
指针模式设置成功 |
|
库未初始化 |
|
|
2.2.12. mcblasSetVector()
mcblasStatus_t
mcblasSetVector(int n, int elemSize,
const void *x, int incx, void *y, int incy)
此函数将主机内存空间中 x 向量的 n 个元素复制到GPU内存空间中的 y 向量。假定两个向量中的元素为 elemSize 字节。源向量 x 连续元素之间的存储间距由 incx 提供，目标向量 y 的由 incy 提供。
假定二维矩阵为列主格式，如果向量是矩阵的一部分，则等于 1 的向量增量会访问该矩阵的（部分）列。同样，使用与矩阵前导维度相等的增量会导致访问该矩阵的（部分）行。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
参数 |
|
访问GPU内存时出错 |
2.2.13. mcblasGetVector()
mcblasStatus_t
mcblasGetVector(int n, int elemSize,
const void *x, int incx, void *y, int incy)
此函数将GPU内存空间中 x 向量的 n 个元素复制到主机内存空间中的 y 向量。假定两个向量中的元素为 elemSize 字节。源向量连续元素之间的存储间距由 incx 提供，目标向量 y 的由 incy 提供。
假定二维矩阵为列主格式，如果向量是矩阵的一部分，则等于 1 的向量增量会访问该矩阵的（部分）列。同样，使用与矩阵前导维度相等的增量会导致访问该矩阵的（部分）行。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
参数 |
|
访问GPU内存时出错 |
2.2.14. mcblasSetMatrix()
mcblasStatus_t
mcblasSetMatrix(int rows, int cols, int elemSize,
const void *A, int lda, void *B, int ldb)
此函数将主机内存空间 A 矩阵中包含 rows x cols 个元素的分块复制到GPU内存空间中的 B 矩阵。假定每个元素存储都需要 elemSize 个字节，并且两个矩阵都以列主格式存储，源矩阵 A 和目标矩阵 B 的前导维度分别在 lda 和 ldb 中给出。前导维度表明已分配矩阵的行数，即使只使用其子矩阵。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
参数 |
|
访问GPU内存时出错 |
2.2.15. mcblasGetMatrix()
mcblasStatus_t
mcblasGetMatrix(int rows, int cols, int elemSize,
const void *A, int lda, void *B, int ldb)
此函数将GPU内存空间 A 矩阵中包含 rows x cols 个元素的分块复制到主机内存空间中的 B 矩阵。假定每个元素存储都需要 elemSize 个字节，并且两个矩阵都以列主格式存储，源矩阵 A 和目标矩阵 B 的前导维度分别在 lda 和 ldb 中给出。前导维度表明已分配矩阵的行数，即使只使用其子矩阵。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
参数 |
|
访问GPU内存时出错 |
2.2.16. mcblasSetVectorAsync()
mcblasStatus_t
mcblasSetVectorAsync(int n, int elemSize, const void *hostPtr, int incx,
void *devicePtr, int incy, mcStream_t stream)
此函数与 mcblasSetVector() 具有相同的功能，但数据传输是使用给定的MXMACA流参数异步完成的（相对于主机）。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
参数 |
|
访问GPU内存时出错 |
2.2.17. mcblasGetVectorAsync()
mcblasStatus_t
mcblasGetVectorAsync(int n, int elemSize, const void *devicePtr, int incx,
void *hostPtr, int incy, mcStream_t stream)
此函数与 mcblasGetVector() 具有相同的功能，但数据传输是使用给定的MXMACA流参数异步完成的（相对于主机）。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
参数 |
|
访问GPU内存时出错 |
2.2.18. mcblasSetMatrixAsync()
mcblasStatus_t
mcblasSetMatrixAsync(int rows, int cols, int elemSize, const void *A,
int lda, void *B, int ldb, mcStream_t stream)
此函数与 mcblasSetMatrix() 具有相同的功能，但数据传输是使用给定的MXMACA流参数异步完成的（相对于主机）。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
参数 |
|
访问GPU内存时出错 |
2.2.19. mcblasGetMatrixAsync()
mcblasStatus_t
mcblasGetMatrixAsync(int rows, int cols, int elemSize, const void *A,
int lda, void *B, int ldb, mcStream_t stream)
此函数与 mcblasGetMatrix() 具有相同的功能，但数据传输是使用给定的MXMACA流参数异步完成的（相对于主机）。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
参数 |
|
访问GPU内存时出错 |
2.2.20. mcblasSetAtomicsMode()
mcblasStatus_t mcblasSetAtomicsMode(mcblasHandlet handle, mcblasAtomicsMode_t mode)
有些例程，如mcblas<t>symv和mcblas<t>hemv，具有备用实现（使用原子操作累加结果）。这种实现通常要快得多，但每次运行产生的结果可能不完全相同。从数学上讲，这些不同结果的差异并不显著，但在调试时，这些差异可能是有害的。
此函数可以允许或禁止mcBLAS库中所有具有备用实现的例程使用原子操作。如果在任何mcBLAS例程的文档中未明确说明，则意味着该例程没有使用原子操作的备用实现。当禁用原子模式时，若在同一硬件上使用相同的参数调用一个mcBLAS例程，该mcBLAS例程应在每次运行产生相同的结果。
默认初始化 mcblasHandle_t 对象的默认原子模式为 MCBLAS_ATOMICS_NOT_ALLOWED。有关详细信息，请参见 mcBLAS数据类型。
返回值 |
含义 |
|---|---|
|
原子模式设置成功 |
|
库未初始化 |
2.2.21. mcblasGetAtomicsMode()
mcblasStatus_t mcblasGetAtomicsMode(mcblasHandle_t handle, mcblasAtomicsMode_t *mode)
此函数查询特定mcBLAS上下文的原子模式。
默认初始化 mcblasHandle_t 对象的默认原子模式为 MCBLAS_ATOMICS_NOT_ALLOWED。有关详细信息，请参见 mcBLAS数据类型。
返回值 |
含义 |
|---|---|
|
原子模式查询成功 |
|
库未初始化 |
|
参数 |
2.2.22. mcblasSetMathMode()
mcblasStatus_t mcblasSetMathMode(mcblasHandle_t handle, mcblasMath_t mode)
mcblasSetMathMode 函数支持选择计算精度模式，如 mcblasMath_t 定义。允许用户将计算精度模式设置为自己的逻辑组合（ MCBLAS_TENSOR_OP_MATH 除外）。例如，mcblasSetMathMode(handle, MCBLAS_DEFAULT_MATH | MCBLAS_MATH_DISALLOW_REDUCED_PRECISION_REDUCTION)。请注意，默认的数学模式为 MCBLAS_DEFAULT_MATH。
返回值 |
含义 |
|---|---|
|
数学模式设置成功 |
|
为 |
|
库未初始化 |
2.2.23. mcblasGetMathMode()
mcblasStatus_t mcblasGetMathMode(mcblasHandle_t handle, mcblasMath_t *mode)
此函数返回库例程使用的数学模式。
返回值 |
含义 |
|---|---|
|
数学类型返回成功 |
|
|
|
库未初始化 |
2.2.24. mcblasSetSmCountTarget()
目前不支持此例程。
2.2.25. mcblasGetSmCountTarget()
目前不支持此例程。
2.2.26. mcblasLoggerConfigure()
mcblasStatus_t mcblasLoggerConfigure(
int logIsOn,
int logToStdOut,
int logToStdErr,
const char* logFileName)
此函数在运行时配置日志记录。除了以上这种类型的配置，还可以使用特殊的环境变量配置日志记录，libmcblas会检查这些变量：
MCBLAS_LOGINFO_DBG -设置env.变量为 1，表示打开日志记录（默认情况下日志记录处于关闭状态）。
MCBLAS_LOGDEST_DBG -设置env.变量对如何记录进行编码。stdout，stderr 分别表示将日志消息输出到stdout和stderr。在另一种情况下，它指定文件的 filename。
参数
logIsOn：输入。完全打开/关闭日志记录。默认情况下为关闭，通过调用
mcblasSetLoggerCallback以用户定义的回调函数来打开。logToStdOut：输入。打开/关闭标准输出I/O流的日志记录。默认情况下为关闭。
logToStdErr：输入。打开/关闭标准错误I/O流的日志记录。默认情况下为关闭。
logFileName：输入。打开/关闭文件系统中文件（由其名称指定）的日志记录。mcblasLoggerConfigure拷贝logFileName的内容。如果不需要这种类型的日志记录，该指针应为空。
返回值
MCBLAS_STATUS_SUCCESS成功。
2.2.27. mcblasGetLoggerCallback()
mcblasStatus_t mcblasGetLoggerCallback(
mcblasLogCallback* userCallback)
此函数检索函数指针，指针指向通过mcblasSetLoggerCallback安装的用户自定义回调函数，否则指针为零。
参数
- userCallback
输出。指针，指向用户定义的回调函数。
返回值
MCBLAS_STATUS_SUCCESS成功。
2.2.28. mcblasSetLoggerCallback()
mcblasStatus_t mcblasSetLoggerCallback(
mcblasLogCallback userCallback)
此函数通过公共mcBLAS C API安装用户自定义回调函数。
参数
- userCallback
输入。指针，指向用户定义的回调函数。
返回值
MCBLAS_STATUS_SUCCESS成功。
2.3. mcBLAS Level-1函数
本章中，我们将介绍执行基于标量和向量操作的Level-1基本线性代数子程序（BLAS1）函数。我们将使用<type>表示类型，<t>表示相应的短类型（short type），以更简洁清晰地表示执行的函数。除非另有说明，否则<type>和<t>的含义如下：
<type> |
<t> |
含义 |
|---|---|---|
|
s或S |
实数单精度 |
|
d或D |
实数双精度 |
|
c或C |
复数单精度 |
|
z或Z |
复数双精度 |
当函数的参数和返回值不同时（有时发生在复数输入中），<t>也可以具有以下含义：Sc，Cs，Dz，Zd。
缩写 Re(.)和 Im(.)分别代表一个数字的实数部分和虚数部分。由于实数不存在虚数部分，我们将虚数部分认为是零，通常可以把它从方程式中舍弃。此外，\(\bar{\alpha}\) 表示 \(\alpha\) 的复共轭（complex conjugate）。一般来说，在整个文档中，小写希腊符号 \(\alpha\) 和 \(\beta\) 表示标量，小写粗体英文字母 \(\mathbf{x}\) 和 \(\mathbf{y}\) 表示向量，大写英文字母 \(A\)、\(B\)、\(C\) 表示矩阵。
2.3.1. mcblasI<t>amax()
mcblasStatus_t mcblasIsamax(mcblasHandle_t handle, int n,
const float *x, int incx, int *result)
mcblasStatus_t mcblasIdamax(mcblasHandle_t handle, int n,
const double *x, int incx, int *result)
mcblasStatus_t mcblasIcamax(mcblasHandle_t handle, int n,
const mcComplex *x, int incx, int *result)
mcblasStatus_t mcblasIzamax(mcblasHandle_t handle, int n,
const mcDoubleComplex *x, int incx, int *result)
该函数查找最大量值元素的（最小）索引。因此，结果为第一个 \(i\)，使得在 \(i = 1,\ldots,n\) 和 \(j = 1 + \left( {i - 1} \right)*\text{ incx}\) 时 \(\left| \mathbf{Im}\left( {x\lbrack j\rbrack} \right) \middle| + \middle| \mathbf{Re}\left( {x\lbrack j\rbrack} \right) \right|\) 最大。请注意，最后一个公式反映了基于1的索引，该索引用于与Fortran兼容。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
n |
input |
向量 |
|
x |
设备 |
input |
带元素的<type>向量 |
incx |
input |
|
|
result |
主机或 设备 |
output |
结果索引，
如果 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
无法分配归约缓冲区 |
|
此函数在GPU上启用失败 |
2.3.2. mcblasI<t>amin()
mcblasStatus_t mcblasIsamin(mcblasHandle_t handle, int n,
const float *x, int incx, int *result)
mcblasStatus_t mcblasIdamin(mcblasHandle_t handle, int n,
const double *x, int incx, int *result)
mcblasStatus_t mcblasIcamin(mcblasHandle_t handle, int n,
const mcComplex *x, int incx, int *result)
mcblasStatus_t mcblasIzamin(mcblasHandle_t handle, int n,
const mcDoubleComplex *x, int incx, int *result)
该函数查找最小量值元素的（最小）索引。因此，结果为第一个 \(i\)，使得在 \(i = 1,\ldots,n\) 和 \(j = 1 + \left( {i - 1} \right)*\text{incx}\) 时 \(\left| \mathbf{Im}\left( {x\lbrack j\rbrack} \right) \middle| + \middle| \mathbf{Re}\left( {x\lbrack j\rbrack} \right) \right|\) 最小。请注意，最后一个公式反映了基于1的索引，该索引用于与Fortran兼容。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
n |
input |
向量 |
|
x |
设备 |
input |
带元素的<type>向量 |
incx |
input |
|
|
result |
主机或 设备 |
output |
结果索引，
如果 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
无法分配归约缓冲区 |
|
此函数在GPU上启用失败 |
2.3.3. mcblas<t>asum()
mcblasStatus_t mcblasSasum(mcblasHandle_t handle, int n,
const float *x, int incx, float *result)
mcblasStatus_t mcblasDasum(mcblasHandle_t handle, int n,
const double *x, int incx, double *result)
mcblasStatus_t mcblasScasum(mcblasHandle_t handle, int n,
const mcComplex *x, int incx, float *result)
mcblasStatus_t mcblasDzasum(mcblasHandle_t handle, int n,
const mcDoubleComplex *x, int incx, double *result)
该函数计算向量 x 中元素绝对值的总和。因此，结果为 \(\left. \sum_{i = 1}^{n} \middle| \mathbf{Im}\left( {x\lbrack j\rbrack} \right) \middle| + \middle| \mathbf{Re}\left( {x\lbrack j\rbrack} \right) \right|\)，其中 \(j = 1 + \left( {i - 1} \right)*\text{incx}\)。请注意，最后一个公式反映了基于1的索引，该索引用于与Fortran兼容。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
n |
input |
向量 |
|
x |
设备 |
input |
带元素的<type>向量 |
incx |
input |
|
|
result |
主机或 设备 |
output |
结果索引，
如果 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
无法分配归约缓冲区 |
|
此函数在GPU上启用失败 |
2.3.4. mcblas<t>axpy()
mcblasStatus_t mcblasSaxpy(mcblasHandle_t handle, int n,
const float *alpha,
const float *x, int incx,
float *y, int incy)
mcblasStatus_t mcblasDaxpy(mcblasHandle_t handle, int n,
const double *alpha,
const double *x, int incx,
double *y, int incy)
mcblasStatus_t mcblasCaxpy(mcblasHandle_t handle, int n,
const mcComplex *alpha,
const mcComplex *x, int incx,
mcComplex *y, int incy)
mcblasStatus_t mcblasZaxpy(mcblasHandle_t handle, int n,
const mcDoubleComplex *alpha,
const mcDoubleComplex *x, int incx,
mcDoubleComplex *y, int incy)
该函数将向量 x 乘以标量 \(\alpha\)，并将其添加到 y 向量中，用结果覆盖最新向量。因此，执行的操作为 \(\mathbf{y}\lbrack j\rbrack = \alpha \times \mathbf{x}\lbrack k\rbrack + \mathbf{y}\lbrack j\rbrack\)，其中 \(i = 1,\ldots,n\)，\(k = 1 + \left( {i - 1} \right)*\text{incx}\)，\(j = 1 + \left( {i - 1} \right)*\text{incy}\)。请注意，最后两个公式反映了基于1的索引，该索引用于与Fortran兼容。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
n |
input |
向量 |
|
x |
设备 |
input |
包含 |
incx |
input |
|
|
y |
设备 |
in/out |
包含 |
incy |
input |
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
此函数在GPU上启用失败 |
2.3.5. mcblas<t>copy()
mcblasStatus_t mcblasScopy(mcblasHandle_t handle, int n,
const float *x, int incx,
float *y, int incy)
mcblasStatus_t mcblasDcopy(mcblasHandle_t handle, int n,
const double *x, int incx,
double *y, int incy)
mcblasStatus_t mcblasCcopy(mcblasHandle_t handle, int n,
const mcComplex *x, int incx,
mcComplex *y, int incy)
mcblasStatus_t mcblasZcopy(mcblasHandle_t handle, int n,
const mcDoubleComplex *x, int incx,
mcDoubleComplex *y, int incy)
此函数将向量 x 复制到 向量 y 。因此，执行的操作为 \(\mathbf{y}\lbrack j\rbrack = \mathbf{x}\lbrack k\rbrack\)，其中 \(i = 1,\ldots,n\)，\(k = 1 + \left( {i - 1} \right)*\text{incx}\)，\(j = 1 + \left( {i - 1} \right)*\text{incy}\)。请注意，最后两个公式反映了基于1的索引，该索引用于与Fortran兼容。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
n |
input |
向量 |
|
x |
设备 |
input |
包含 |
incx |
input |
|
|
y |
设备 |
output |
包含 |
incy |
input |
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
此函数在GPU上启用失败 |
2.3.6. mcblas<t>dot()
mcblasStatus_t mcblasSdot (mcblasHandle_t handle, int n,
const float *x, int incx,
const float *y, int incy,
float *result)
mcblasStatus_t mcblasDdot (mcblasHandle_t handle, int n,
const double *x, int incx,
const double *y, int incy,
double *result)
mcblasStatus_t mcblasCdotu(mcblasHandle_t handle, int n,
const mcComplex *x, int incx,
const mcComplex *y, int incy,
mcComplex *result)
mcblasStatus_t mcblasCdotc(mcblasHandle_t handle, int n,
const mcComplex *x, int incx,
const mcComplex *y, int incy,
mcComplex *result)
mcblasStatus_t mcblasZdotu(mcblasHandle_t handle, int n,
const mcDoubleComplex *x, int incx,
const mcDoubleComplex *y, int incy,
mcDoubleComplex *result)
mcblasStatus_t mcblasZdotc(mcblasHandle_t handle, int n,
const mcDoubleComplex *x, int incx,
const mcDoubleComplex *y, int incy,
mcDoubleComplex *result)
该函数计算向量 x 和 y 的点积（dot product）。因此，结果为 \(\sum_{i = 1}^{n}\left( {\mathbf{x}\lbrack k\rbrack \times \mathbf{y}\lbrack j\rbrack} \right)\)，其中 \(k = 1 + \left( {i - 1} \right)*\text{incx}\)，\(j = 1 + \left( {i - 1} \right)*\text{incy}\)。请注意，在第一个方程中，如果函数名称以字符“c”结尾，则应使用x向量元素的共轭。最后两个公式反映了基于1的索引，该索引用于与Fortran兼容。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
n |
input |
向量 |
|
x |
设备 |
input |
包含 |
incx |
input |
|
|
y |
设备 |
input |
包含 |
incy |
input |
|
|
result |
主机或 设备 |
output |
结果点积，
如果 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
无法分配归约缓冲区 |
|
此函数在GPU上启用失败 |
2.3.7. mcblas<t>nrm2()
mcblasStatus_t mcblasSnrm2(mcblasHandle_t handle, int n,
const float *x, int incx, float *result)
mcblasStatus_t mcblasDnrm2(mcblasHandle_t handle, int n,
const double *x, int incx, double *result)
mcblasStatus_t mcblasScnrm2(mcblasHandle_t handle, int n,
const mcComplex *x, int incx, float *result)
mcblasStatus_t mcblasDznrm2(mcblasHandle_t handle, int n,
const mcDoubleComplex *x, int incx, double *result)
该函数计算向量 x 的欧几里德范数（Euclidean norm）。代码中使用多相模型累积来避免中间结果下溢和溢出，其结果相当于精确运算中的 \(\sqrt{\sum_{i = 1}^{n}\left( {\mathbf{x}\lbrack j\rbrack \times \mathbf{x}\lbrack j\rbrack} \right)}\)，其中 \(j = 1 + \left( {i - 1} \right)*\text{incx}\)。请注意，最后一个公式反映了基于1的索引，该索引用于与Fortran兼容。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
n |
input |
向量 |
|
x |
设备 |
input |
包含 |
incx |
input |
|
|
result |
主机或 设备 |
output |
结果范数，
如果 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
无法分配归约缓冲区 |
|
此函数在GPU上启用失败 |
2.3.8. mcblas<t>rot()
mcblasStatus_t mcblasSrot(mcblasHandle_t handle, int n,
float *x, int incx,
float *y, int incy,
const float *c, const float *s)
mcblasStatus_t mcblasDrot(mcblasHandle_t handle, int n,
double *x, int incx,
double *y, int incy,
const double *c, const double *s)
mcblasStatus_t mcblasCrot(mcblasHandle_t handle, int n,
mcComplex *x, int incx,
mcComplex *y, int incy,
const float *c, const mcComplex *s)
mcblasStatus_t mcblasCsrot(mcblasHandle_t handle, int n,
mcComplex *x, int incx,
mcComplex *y, int incy,
const float *c, const float *s)
mcblasStatus_t mcblasZrot(mcblasHandle_t handle, int n,
mcDoubleComplex *x, int incx,
mcDoubleComplex *y, int incy,
const double *c, const mcDoubleComplex *s)
mcblasStatus_t mcblasZdrot(mcblasHandle_t handle, int n,
mcDoubleComplex *x, int incx,
mcDoubleComplex *y, int incy,
const double *c, const double *s)
该函数将吉文斯旋转（Givens rotation）矩阵（即，在x，y平面上逆时针旋转，旋转角度由cos(alpha)=c，sin(alpha)=s定义）：
\(G = \begin{pmatrix}
c & s \\
{- s} & c \\
\end{pmatrix}\)
应用到向量 x 和 y 中。
因此，结果为 \(\mathbf{x}\lbrack k\rbrack = c \times \mathbf{x}\lbrack k\rbrack + s \times \mathbf{y}\lbrack j\rbrack\) 和 \(\mathbf{y}\lbrack j\rbrack = - s \times \mathbf{x}\lbrack k\rbrack + c \times \mathbf{y}\lbrack j\rbrack\)，其中 \(k = 1 + \left( {i - 1} \right)*\text{incx}\)，\(j = 1 + \left( {i - 1} \right)*\text{incy}\)。请注意，最后两个公式反映了基于1的索引，该索引用于与Fortran兼容。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
n |
input |
向量 |
|
x |
设备 |
in/out |
包含 |
incx |
input |
|
|
y |
设备 |
in/out |
包含 |
incy |
input |
|
|
c |
主机或 设备 |
input |
旋转矩阵的余弦元素 |
s |
主机或 设备 |
input |
旋转矩阵的正弦元素 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
此函数在GPU上启用失败 |
2.3.9. mcblas<t>rotg()
mcblasStatus_t mcblasSrotg(mcblasHandle_t handle,
float *a, float *b,
float *c, float *s)
mcblasStatus_t mcblasDrotg(mcblasHandle_t handle,
double *a, double *b,
double *c, double *s)
mcblasStatus_t mcblasCrotg(mcblasHandle_t handle,
mcComplex *a, mcComplex *b,
float *c, mcComplex *s)
mcblasStatus_t mcblasZrotg(mcblasHandle_t handle,
mcDoubleComplex *a, mcDoubleComplex *b,
double *c, mcDoubleComplex *s)
该函数创建吉文斯旋转矩阵
用以将一个 \(2 \times 1\) 向量 \(\left( {a,b} \right)^{T}\) 的第二项归零。然后，对于实数，我们可以写为
其中 \(c^{2} + s^{2} = 1\)，\(r = a^{2} + b^{2}\) 。参数 \(a\) 和 \(b\) 将分别用 \(r\) 和 \(z\) 覆盖。\(z\) 的值使得 \(c\) 和 \(s\) 可以使用以下规则进行恢复：
对于复数，我们可以写为
其中 \(c^{2} + \left( {\bar{s} \times s} \right) = 1\)，\(r = \frac{a}{|a|} \times \parallel \left( {a,b} \right)^{T} \parallel_{2}\)，当 \(a \neq 0\) 且 \(r = b\) 或 \(a = 0\) 时，\(\parallel \left( {a,b} \right)^{T} \parallel_{2} = \sqrt{\left| a|^{2} + \middle| b|^{2} \right.}\)。最后，使用 \(r\) 覆盖 \(a\) 参数。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
a |
主机或 设备 |
in/out |
用 \(r\) 覆盖的<type>标量 |
b |
主机或 设备 |
in/out |
用 \(z\) 覆盖的<type>标量 |
c |
主机或 设备 |
output |
旋转矩阵的余弦元素 |
s |
主机或 设备 |
output |
旋转矩阵的正弦元素 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
此函数在GPU上启用失败 |
2.3.10. mcblas<t>rotm()
mcblasStatus_t mcblasSrotm(mcblasHandle_t handle, int n, float *x, int incx,
float *y, int incy, const float* param)
mcblasStatus_t mcblasDrotm(mcblasHandle_t handle, int n, double *x, int incx,
double *y, int incy, const double* param)
该函数将modified Givens变换
应用到向量 x 和 y 中。
因此，结果为 \(\mathbf{x}\lbrack k\rbrack = h_{11} \times \mathbf{x}\lbrack k\rbrack + h_{12} \times \mathbf{y}\lbrack j\rbrack\) 和 \(\mathbf{y}\lbrack j\rbrack = h_{21} \times \mathbf{x}\lbrack k\rbrack + h_{22} \times \mathbf{y}\lbrack j\rbrack\)，其中 \(k = 1 + \left( {i - 1} \right)*\text{incx}\)，\(j = 1 + \left( {i - 1} \right)*\text{incy}\)。请注意，最后两个公式反映了基于1的索引，该索引用于与Fortran兼容。矩阵 \(H\) 的 \(h_{11}\)、\(h_{12}\)、\(h_{21}\)、\(h_{22}`元素，分别存储在 ``param[1]`\)、param[2]、param[3]、param[4] 中。flag=param[0] 为矩阵 \(H\) 的项定义以下预定义值。
flag=-1.0
flag= 0.0
flag= 1.0
flag=-2.0\(\begin{pmatrix} h_{11} & h_{12} \\ h_{21} & h_{22} \end{pmatrix}\)
\(\begin{pmatrix} 1.0 & h_{12} \\ h_{21} &1.0 \end{pmatrix}\)
\(\begin{pmatrix} h_{11} & 1.0 \\ -1.0& h_{22} \end{pmatrix}\)
\(\begin{pmatrix} 1.0 & 0.0 \\ 0.0 & 1.0\end{pmatrix}\)
请注意，flag所隐含的值-1.0、0.0、1.0不存储在参数中。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
n |
input |
向量 |
|
x |
设备 |
in/out |
包含 |
incx |
input |
|
|
y |
设备 |
in/out |
包含 |
incy |
input |
|
|
param |
主机或 设备 |
input |
包含5个元素的<type>向量，其中
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
此函数在GPU上启用失败 |
2.3.11. mcblas<t>rotmg()
mcblasStatus_t mcblasSrotmg(mcblasHandle_t handle, float *d1, float *d2,
float *x1, const float *y1, float *param)
mcblasStatus_t mcblasDrotmg(mcblasHandle_t handle, double *d1, double *d2,
double *x1, const double *y1, double *param)
该函数构建modified Givens变换
用以将一个 \(2 \times 1\) 向量 \(\left( {\sqrt{d1}*x1,\sqrt{d2}*y1} \right)^{T}\) 的第二项归零。flag=param[0] 为矩阵 \(H\) 的项定义以下预定义值。
flag=-1.0
flag= 0.0
flag= 1.0
flag=-2.0\(\begin{pmatrix} h_{11} & h_{12} \\ h_{21} & h_{22} \end{pmatrix}\)
\(\begin{pmatrix} 1.0 & h_{12} \\ h_{21} &1.0 \end{pmatrix}\)
\(\begin{pmatrix} h_{11} & 1.0 \\ -1.0& h_{22} \end{pmatrix}\)
\(\begin{pmatrix} 1.0 & 0.0 \\ 0.0 & 1.0\end{pmatrix}\)
请注意，flag所隐含的值-1.0、0.0、1.0不存储在参数中。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
d1 |
主机或 设备 |
in/out |
退出时覆盖的<type>标量 |
d2 |
主机或 设备 |
in/out |
退出时覆盖的<type>标量 |
x1 |
主机或 设备 |
in/out |
退出时覆盖的<type>标量 |
y1 |
主机或 设备 |
input |
<type>标量 |
param |
主机或 设备 |
output |
包含5个元素的<type>向量，其中
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
此函数在GPU上启用失败 |
2.3.12. mcblas<t>scal()
mcblasStatus_t mcblasSscal(mcblasHandle_t handle, int n,
const float *alpha,
float *x, int incx)
mcblasStatus_t mcblasDscal(mcblasHandle_t handle, int n,
const double *alpha,
double *x, int incx)
mcblasStatus_t mcblasCscal(mcblasHandle_t handle, int n,
const mcComplex *alpha,
mcComplex *x, int incx)
mcblasStatus_t mcblasCsscal(mcblasHandle_t handle, int n,
const float *alpha,
mcComplex *x, int incx)
mcblasStatus_t mcblasZscal(mcblasHandle_t handle, int n,
const mcDoubleComplex *alpha,
mcDoubleComplex *x, int incx)
mcblasStatus_t mcblasZdscal(mcblasHandle_t handle, int n,
const double *alpha,
mcDoubleComplex *x, int incx)
该函数按标量 \(\alpha\) 缩放向量 x，并用结果覆盖该向量。因此，执行的操作为 \(\mathbf{x}\lbrack j\rbrack = \alpha \times \mathbf{x}\lbrack j\rbrack\)，其中 \(i = 1,\ldots,n\)，\(j = 1 + \left( {i - 1} \right)*\text{ incx}\)。请注意，最后两个公式反映了基于1的索引，该索引用于与Fortran兼容。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
n |
input |
向量 |
|
x |
设备 |
in/out |
包含 |
incx |
input |
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
此函数在GPU上启用失败 |
2.3.13. mcblas<t>swap()
mcblasStatus_t mcblasSswap(mcblasHandle_t handle, int n, float *x,
int incx, float *y, int incy)
mcblasStatus_t mcblasDswap(mcblasHandle_t handle, int n, double *x,
int incx, double *y, int incy)
mcblasStatus_t mcblasCswap(mcblasHandle_t handle, int n, mcComplex *x,
int incx, mcComplex *y, int incy)
mcblasStatus_t mcblasZswap(mcblasHandle_t handle, int n, mcDoubleComplex *x,
int incx, mcDoubleComplex *y, int incy)
该函数互换向量 x 和 y 的元素。因此，执行的操作为 \(\left. \mathbf{y}\lbrack j\rbrack\Leftrightarrow\mathbf{x}\lbrack k\rbrack \right.\)，其中 \(i = 1,\ldots,n\)，\(k = 1 + \left( {i - 1} \right)*\text{incx}\)，\(j = 1 + \left( {i - 1} \right)*\text{incy}\)。请注意，最后两个公式反映了基于1的索引，该索引用于与Fortran兼容。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
n |
input |
向量 |
|
x |
设备 |
in/out |
包含 |
incx |
input |
|
|
y |
设备 |
in/out |
包含 |
incy |
input |
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
此函数在GPU上启用失败 |
2.4. mcBLAS Level-2函数
本章中，我们将介绍执行矩阵-向量操作的Level-2基本线性代数子程序（BLAS2）函数。
2.4.1. mcblas<t>gbmv()
mcblasStatus_t mcblasSgbmv(mcblasHandle_t handle, mcblasOperation_t trans,
int m, int n, int kl, int ku,
const float *alpha,
const float *A, int lda,
const float *x, int incx,
const float *beta,
float *y, int incy)
mcblasStatus_t mcblasDgbmv(mcblasHandle_t handle, mcblasOperation_t trans,
int m, int n, int kl, int ku,
const double *alpha,
const double *A, int lda,
const double *x, int incx,
const double *beta,
double *y, int incy)
mcblasStatus_t mcblasCgbmv(mcblasHandle_t handle, mcblasOperation_t trans,
int m, int n, int kl, int ku,
const mcComplex *alpha,
const mcComplex *A, int lda,
const mcComplex *x, int incx,
const mcComplex *beta,
mcComplex *y, int incy)
mcblasStatus_t mcblasZgbmv(mcblasHandle_t handle, mcblasOperation_t trans,
int m, int n, int kl, int ku,
const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
const mcDoubleComplex *x, int incx,
const mcDoubleComplex *beta,
mcDoubleComplex *y, int incy)
该函数执行带状矩阵（banded matrix）-向量乘法
其中 \(A\) 是具有次对角线 \(kl\) 和超对角线 \(ku\) 的带状矩阵，\(\mathbf{x}\) 和 \(\mathbf{y}\) 是向量，\(\alpha\) 和 \(\beta\) 是标量。此外，对于矩阵 \(A\)，
带状矩阵 \(A\) 按列存储，主对角线存储在行 \(ku + 1\) 中（从第一个位置开始），第一个超对角线存储在行 \(ku\) 中（从第二个位置开始），第一个次对角线存储在行 \(ku + 2\) 中（从第一个位置开始）等。因此通常，元素 \(A\left( {i,j} \right)\) 存储在 A(ku+1+i-j,j)，其中 \(j = 1,\ldots,n\)，\(i \in \left\lbrack {\max\left( {1,j - ku} \right),\min\left( {m,j + kl} \right)} \right\rbrack\)。此外，数组 \(A\) 中的元素，在概念上与带状矩阵中的元素不对应（左上 \(ku \times ku\) 和右下 \(kl \times kl\) 三角），也不会被引用。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
trans |
input |
非转置或共轭转置运算op( |
|
m |
input |
矩阵 |
|
n |
input |
矩阵 |
|
kl |
input |
矩阵 |
|
ku |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
<type>数组，维度为 |
lda |
input |
用于存储矩阵 |
|
x |
设备 |
input |
如果 |
incx |
input |
|
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
y |
设备 |
in/out |
如果 |
incy |
input |
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.4.2. mcblas<t>gemv()
mcblasStatus_t mcblasSgemv(mcblasHandle_t handle, mcblasOperation_t trans,
int m, int n,
const float *alpha,
const float *A, int lda,
const float *x, int incx,
const float *beta,
float *y, int incy)
mcblasStatus_t mcblasDgemv(mcblasHandle_t handle, mcblasOperation_t trans,
int m, int n,
const double *alpha,
const double *A, int lda,
const double *x, int incx,
const double *beta,
double *y, int incy)
mcblasStatus_t mcblasCgemv(mcblasHandle_t handle, mcblasOperation_t trans,
int m, int n,
const mcComplex *alpha,
const mcComplex *A, int lda,
const mcComplex *x, int incx,
const mcComplex *beta,
mcComplex *y, int incy)
mcblasStatus_t mcblasZgemv(mcblasHandle_t handle, mcblasOperation_t trans,
int m, int n,
const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
const mcDoubleComplex *x, int incx,
const mcDoubleComplex *beta,
mcDoubleComplex *y, int incy)
该函数执行矩阵-向量乘法
其中 \(A\) 是以列主格式存储的 \(m \times n\) 矩阵，\(\mathbf{x}\) 和 \(\mathbf{y}\) 是向量，\(\alpha\) 和 \(\beta\) 是标量。此外，对于矩阵 \(A\)，
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
trans |
input |
非转置或共轭转置运算op( |
|
m |
input |
矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
<type>数组，维度为 |
lda |
input |
用于存储矩阵 |
|
x |
设备 |
input |
如果 |
incx |
input |
|
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
y |
设备 |
in/out |
如果 |
incy |
input |
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
参数 |
|
此函数在GPU上启用失败 |
2.4.3. mcblas<t>ger()
mcblasStatus_t mcblasSger(mcblasHandle_t handle, int m, int n,
const float *alpha,
const float *x, int incx,
const float *y, int incy,
float *A, int lda)
mcblasStatus_t mcblasDger(mcblasHandle_t handle, int m, int n,
const double *alpha,
const double *x, int incx,
const double *y, int incy,
double *A, int lda)
mcblasStatus_t mcblasCgeru(mcblasHandle_t handle, int m, int n,
const mcComplex *alpha,
const mcComplex *x, int incx,
const mcComplex *y, int incy,
mcComplex *A, int lda)
mcblasStatus_t mcblasCgerc(mcblasHandle_t handle, int m, int n,
const mcComplex *alpha,
const mcComplex *x, int incx,
const mcComplex *y, int incy,
mcComplex *A, int lda)
mcblasStatus_t mcblasZgeru(mcblasHandle_t handle, int m, int n,
const mcDoubleComplex *alpha,
const mcDoubleComplex *x, int incx,
const mcDoubleComplex *y, int incy,
mcDoubleComplex *A, int lda)
mcblasStatus_t mcblasZgerc(mcblasHandle_t handle, int m, int n,
const mcDoubleComplex *alpha,
const mcDoubleComplex *x, int incx,
const mcDoubleComplex *y, int incy,
mcDoubleComplex *A, int lda)
此函数执行秩一校正（rank-1 update）
其中 \(A\) 是以列主格式存储的 \(m \times n\) 矩阵，\(\mathbf{x}\) 和 \(\mathbf{y}\) 是向量，\(\alpha\) 是标量。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
m |
input |
矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
x |
设备 |
input |
包含 |
incx |
input |
|
|
y |
设备 |
input |
包含 |
incy |
input |
|
|
A |
设备 |
in/out |
<type>数组，维度为 |
lda |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
参数 |
|
此函数在GPU上启用失败 |
2.4.4. mcblas<t>sbmv()
mcblasStatus_t mcblasSsbmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, int k, const float *alpha,
const float *A, int lda,
const float *x, int incx,
const float *beta, float *y, int incy)
mcblasStatus_t mcblasDsbmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, int k, const double *alpha,
const double *A, int lda,
const double *x, int incx,
const double *beta, double *y, int incy)
该函数执行对称带状矩阵-向量乘法
其中 \(A\) 是具有 \(k\) 次对角线和超对角线的 \(n \times n\) 对称带状矩阵，\(\mathbf{x}\) 和 \(\mathbf{y}\) 是向量，\(\alpha\) 和 \(\beta\) 是标量。
如果 uplo == MCBLAS_FILL_MODE_LOWER，对称带状矩阵 \(A\) 按列存储，矩阵的主对角线存储在第1行，第一个次对角线存储在第2行（从第一个位置开始），第二个次对角线存储在第3行（从第一个位置开始）等。 因此通常，元素 \(A(i,j)\) 存储在 A(1+i-j,j)，其中 \(j = 1,\ldots,n\)，\(i \in \lbrack j,\min(m,j + k)\rbrack\)。此外，数组 A 中的元素，在概念上与带状矩阵中的元素不对应（右下 \(k \times k\) 三角），也不会被引用。
如果 uplo == MCBLAS_FILL_MODE_UPPER，对称带状矩阵 \(A\) 按列存储，矩阵的主对角线存储在行 k+1 ，第一个超对角线在行 k 中（从第二个位置开始），第二个超对角线在行 k-1 中（从第三个位置开始）等。因此通常，元素 \(A(i,j)\) 存储在 A(1+k+i-j,j)，其中 \(j = 1,\ldots,n\)，\(i \in \lbrack\max(1,j - k),j\rbrack\)。此外，数组 A 中的元素，在概念上与带状矩阵中的元素不对应（左上角 \(k \times k\) 三角），也不会被引用。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
n |
input |
矩阵 |
|
k |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
<type>数组，维度为 |
lda |
input |
用于存储矩阵 |
|
x |
设备 |
input |
包含 |
incx |
input |
|
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
y |
设备 |
in/out |
包含 |
incy |
input |
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
参数 |
|
此函数在GPU上启用失败 |
2.4.5. mcblas<t>spmv()
mcblasStatus_t mcblasSspmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const float *alpha, const float *AP,
const float *x, int incx, const float *beta,
float *y, int incy)
mcblasStatus_t mcblasDspmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const double *alpha, const double *AP,
const double *x, int incx, const double *beta,
double *y, int incy)
该函数执行对称压缩矩阵（packed matrix）-向量乘法
其中 \(A\) 是以压缩格式（packed format）存储的 \(n \times n\) 对称矩阵，\(\mathbf{x}\) 和 \(\mathbf{y}\) 是向量，\(\alpha\) 和 \(\beta\) 是标量。
如果 uplo == MCBLAS_FILL_MODE_LOWER，对称矩阵 \(A\) 下三角部分中的元素逐列压缩在一起，元素之间没有间隙，以便将元素 \(A(i,j)\) 存储在 AP[i+((2*n-j+1)*j)/2]，其中 \(j = 1,\ldots,n\)，\(i \geq j\)。因此，压缩格式只需要 \(\frac{n(n + 1)}{2}\) 个元素进行存储。
如果 uplo == MCBLAS_FILL_MODE_UPPER，对称矩阵 \(A\) 上三角部分中的元素逐列压缩在一起，元素之间没有间隙，以便将元素 \(A(i,j)\) 存储在 AP[i+(j*(j+1))/2]，其中 \(j = 1,\ldots,n\)，\(i \leq j\)。因此，压缩格式只需要 \(\frac{n(n + 1)}{2}\) 个元素进行存储。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
AP |
设备 |
input |
以压缩格式存储 |
x |
设备 |
input |
包含 |
incx |
input |
|
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
y |
设备 |
input |
包含 |
incy |
input |
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
参数 |
|
此函数在GPU上启用失败 |
2.4.6. mcblas<t>spr()
mcblasStatus_t mcblasSspr(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const float *alpha,
const float *x, int incx, float *AP)
mcblasStatus_t mcblasDspr(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const double *alpha,
const double *x, int incx, double *AP)
此函数执行压缩对称秩一校正
其中 \(A\) 是以压缩格式存储的 \(n \times n\) 对称矩阵，\(\mathbf{x}\) 是向量，\(\alpha\) 是标量。
如果 uplo == MCBLAS_FILL_MODE_LOWER，对称矩阵 \(A\) 下三角部分中的元素逐列压缩在一起，元素之间没有间隙，以便将元素 \(A(i,j)\) 存储在 AP[i+((2*n-j+1)*j)/2]，其中 \(j = 1,\ldots,n\)，\(i \geq j\)。因此，压缩格式只需要 \(\frac{n(n + 1)}{2}\) 个元素进行存储。
如果 uplo == MCBLAS_FILL_MODE_UPPER，对称矩阵 \(A\) 上三角部分中的元素逐列压缩在一起，元素之间没有间隙，以便将元素 \(A(i,j)\) 存储在 AP[i+(j*(j+1))/2]，其中 \(j = 1,\ldots,n\)，\(i \leq j\)。因此，压缩格式只需要 \(\frac{n(n + 1)}{2}\) 个元素进行存储。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
x |
设备 |
input |
包含 |
incx |
input |
|
|
AP |
设备 |
in/out |
以压缩格式存储 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
参数 |
|
此函数在GPU上启用失败 |
2.4.7. mcblas<t>spr2()
mcblasStatus_t mcblasSspr2(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const float *alpha,
const float *x, int incx,
const float *y, int incy, float *AP)
mcblasStatus_t mcblasDspr2(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const double *alpha,
const double *x, int incx,
const double *y, int incy, double *AP)
此函数执行压缩对称秩二更新
其中 \(A\) 是以压缩格式存储的 \(n \times n\) 对称矩阵，\(\mathbf{x}\) 是向量，\(\alpha\) 是标量。
如果 uplo == MCBLAS_FILL_MODE_LOWER，对称矩阵 \(A\) 下三角部分中的元素逐列压缩在一起，元素之间没有间隙，以便将元素 \(A(i,j)\) 存储在 AP[i+((2*n-j+1)*j)/2]，其中 \(j = 1,\ldots,n\)，\(i \geq j\)。因此，压缩格式只需要 \(\frac{n(n + 1)}{2}\) 个元素进行存储。
如果 uplo == MCBLAS_FILL_MODE_UPPER，对称矩阵 \(A\) 上三角部分中的元素逐列压缩在一起，元素之间没有间隙，以便将元素 \(A(i,j)\) 存储在 AP[i+(j*(j+1))/2]，其中 \(j = 1,\ldots,n\)，\(i \leq j\)。因此，压缩格式只需要 \(\frac{n(n + 1)}{2}\) 个元素进行存储。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
x |
设备 |
input |
包含 |
incx |
input |
|
|
y |
设备 |
input |
包含 |
incy |
input |
|
|
AP |
设备 |
in/out |
以压缩格式存储 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
参数 |
|
此函数在GPU上启用失败 |
2.4.8. mcblas<t>symv()
mcblasStatus_t mcblasSsymv(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const float *alpha,
const float *A, int lda,
const float *x, int incx,
const float *beta,
float *y, int incy)
mcblasStatus_t mcblasDsymv(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const double *alpha,
const double *A, int lda,
const double *x, int incx,
const double *beta,
double *y, int incy)
mcblasStatus_t mcblasCsymv(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const mcComplex *alpha,
/* host or device pointer */
const mcComplex *A, int lda,
const mcComplex *x, int incx,
const mcComplex *beta,
mcComplex *y, int incy)
mcblasStatus_t mcblasZsymv(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
const mcDoubleComplex *x, int incx,
const mcDoubleComplex *beta,
mcDoubleComplex *y, int incy)
该函数执行对称矩阵-向量乘法。
其中 \(A\) 是以lower或upper模式存储的 \(n \times n\) 对称矩阵，\(\mathbf{x}\) 和 \(\mathbf{y}\) 是向量，\(\alpha\) 和 \(\beta\) 是标量。此函数具有更快的备用实现（使用原子操作），可通过 mcblasSetAtomicsMode() 启用。
有关使用原子操作的更多详细信息，请参见 mcblasSetAtomicsMode()。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
<type>数组，维度为 |
lda |
input |
用于存储矩阵 |
|
x |
设备 |
input |
包含 |
incx |
input |
|
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
y |
设备 |
in/out |
包含 |
incy |
input |
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
参数 |
|
此函数在GPU上启用失败 |
2.4.9. mcblas<t>syr()
mcblasStatus_t mcblasSsyr(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const float *alpha,
const float *x, int incx,
float *A, int lda)
mcblasStatus_t mcblasDsyr(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const double *alpha,
const double *x, int incx,
double *A, int lda)
mcblasStatus_t mcblasCsyr(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const mcComplex *alpha,
const mcComplex *x, int incx,
mcComplex *A, int lda)
mcblasStatus_t mcblasZsyr(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const mcDoubleComplex *alpha,
const mcDoubleComplex *x, int incx,
mcDoubleComplex *A, int lda)
此函数执行对称秩一校正
其中 \(A\) 是以列主格式存储的 \(n \times n\) 对称矩阵，\(\mathbf{x}\) 是向量，\(\alpha\) 是标量。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
x |
设备 |
input |
包含 |
incx |
input |
|
|
A |
设备 |
in/out |
<type>数组，维度为 |
lda |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
参数 |
|
此函数在GPU上启用失败 |
2.4.10. mcblas<t>syr2()
mcblasStatus_t mcblasSsyr2(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const float *alpha,
const float *x, int incx,
const float *y, int incy,
float *A, int lda)
mcblasStatus_t mcblasDsyr2(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const double *alpha,
const double *x, int incx,
const double *y, int incy,
double *A, int lda)
mcblasStatus_t mcblasCsyr2(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const mcComplex *alpha,
const mcComplex *x, int incx,
const mcComplex *y, int incy,
mcComplex *A, int lda)
mcblasStatus_t mcblasZsyr2(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const mcDoubleComplex *alpha,
const mcDoubleComplex *x, int incx,
const mcDoubleComplex *y, int incy,
mcDoubleComplex *A, int lda)
此函数执行对称秩二校正
其中 \(A\) 是以列主格式存储的 \(n \times n\) 对称矩阵，\(\mathbf{x}\) 和 \(\mathbf{y}\) 是向量，\(\alpha\) 是标量。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
x |
设备 |
input |
包含 |
incx |
input |
|
|
y |
设备 |
input |
包含 |
incy |
input |
|
|
A |
设备 |
in/out |
<type>数组，维度为 |
lda |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
参数 |
|
此函数在GPU上启用失败 |
2.4.11. mcblas<t>tbmv()
mcblasStatus_t mcblasStbmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, int k, const float *A, int lda,
float *x, int incx)
mcblasStatus_t mcblasDtbmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, int k, const double *A, int lda,
double *x, int incx)
mcblasStatus_t mcblasCtbmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, int k, const mcComplex *A, int lda,
mcComplex *x, int incx)
mcblasStatus_t mcblasZtbmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, int k, const mcDoubleComplex *A, int lda,
mcDoubleComplex *x, int incx)
该函数执行三角带状矩阵-向量乘法
其中 \(A\) 是三角带状矩阵，\(\mathbf{x}\) 是向量。此外，对于矩阵 \(A\)，
如果 uplo == MCBLAS_FILL_MODE_LOWER，三角带状矩阵 \(A\) 按列存储，矩阵的主对角线存储在第 1 行，第一个次对角线在第 2 行中（从第一个位置开始），第二个次对角线在第 3 行中（从第一个位置开始）等。因此通常，元素 \(A(i,j)\) 存储在 A(1+i-j,j)，其中 \(j = 1,\ldots,n\)，\(i \in \lbrack j,\min(m,j + k)\rbrack\)。此外，数组 A 中的元素，在概念上与带状矩阵中的元素不对应（右下 \(k \times k\) 三角），也不会被引用。
如果 uplo == MCBLAS_FILL_MODE_UPPER，三角带状矩阵 \(A\) 按列存储，矩阵的主对角线存储在行 k+1 ，第一个超对角线在行 k 中（从第二个位置开始），第二个超对角线在行 k-1 中（从第三个位置开始）等。因此通常，元素 \(A(i,j)\) 存储在 A(1+k+i-j,j)，其中 \(j = 1,\ldots,n\)，\(i \in \lbrack\max(1,j - k,j)\rbrack\)。此外，数组 A 中的元素，在概念上与带状矩阵中的元素不对应（左上角 \(k \times k\) 三角），也不会被引用。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或共轭转置运算op( |
|
diag |
input |
指示矩阵 |
|
n |
input |
矩阵 |
|
k |
input |
矩阵的次对角线和超对角线 |
|
A |
设备 |
input |
<type>数组，维度为 |
lda |
input |
用于存储矩阵 |
|
x |
设备 |
in/out |
包含 |
incx |
input |
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
参数 |
|
内部暂存内存分配失败 |
|
此函数在GPU上启用失败 |
2.4.12. mcblas<t>tbsv()
mcblasStatus_t mcblasStbsv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, int k, const float *A, int lda,
float *x, int incx)
mcblasStatus_t mcblasDtbsv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, int k, const double *A, int lda,
double *x, int incx)
mcblasStatus_t mcblasCtbsv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, int k, const mcComplex *A, int lda,
mcComplex *x, int incx)
mcblasStatus_t mcblasZtbsv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, int k, const mcDoubleComplex *A, int lda,
mcDoubleComplex *x, int incx)
该函数使用以下公式求解三角带状线性方程组
其中 \(A\) 是三角带状矩阵，\(\mathbf{x}\) 和 \(\mathbf{b}\) 是向量。此外，对于矩阵 \(A\)，
结束时求得的解 \(\mathbf{x}\) 覆盖右侧 \(\mathbf{b}\)。此函数中不包括奇异性或接近奇异性的测试。
如果 uplo == MCBLAS_FILL_MODE_LOWER，三角带状矩阵 \(A\) 按列存储，矩阵的主对角线存储在第 1 行，第一个次对角线在第 2 行中（从第一个位置开始），第二个次对角线在第 3 行中（从第一个位置开始）等。因此通常，元素 \(A(i,j)\) 存储在 A(1+i-j,j)，其中 \(j = 1,\ldots,n\)，\(i \in \lbrack j,\min(m,j + k)\rbrack\)。此外，数组 A 中的元素，在概念上与带状矩阵中的元素不对应（右下 \(k \times k\) 三角），也不会被引用。
如果 uplo == MCBLAS_FILL_MODE_UPPER，三角带状矩阵 \(A\) 按列存储，矩阵的主对角线存储在行 k+1 ，第一个超对角线在行 k 中（从第二个位置开始），第二个超对角线在行 k-1 中（从第三个位置开始）等。因此通常，元素 \(A(i,j)\) 存储在 A(1+k+i-j,j)，其中 \(j = 1,\ldots,n\)，\(i \in \lbrack\max(1,j - k,j)\rbrack\)。此外，数组 A 中的元素，在概念上与带状矩阵中的元素不对应（左上角 \(k \times k\) 三角），也不会被引用。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或共轭转置运算op( |
|
diag |
input |
指示矩阵 |
|
n |
input |
矩阵 |
|
k |
input |
矩阵 |
|
A |
设备 |
input |
<type>数组，维度为 |
lda |
input |
用于存储矩阵 |
|
x |
设备 |
in/out |
包含 |
incx |
input |
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
参数 |
|
此函数在GPU上启用失败 |
2.4.13. mcblas<t>tpmv()
mcblasStatus_t mcblasStpmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, const float *AP,
float *x, int incx)
mcblasStatus_t mcblasDtpmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, const double *AP,
double *x, int incx)
mcblasStatus_t mcblasCtpmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, const mcComplex *AP,
mcComplex *x, int incx)
mcblasStatus_t mcblasZtpmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, const mcDoubleComplex *AP,
mcDoubleComplex *x, int incx)
该函数执行三角压缩矩阵-向量乘法
其中 \(A\) 是以压缩格式存储的三角矩阵，\(\mathbf{x}\) 是向量。此外，对于矩阵 \(A\)，
如果 uplo == MCBLAS_FILL_MODE_LOWER，三角矩阵 \(A\) 下三角部分中的元素逐列压缩在一起，元素之间没有间隙，以便将元素 \(A(i,j)\) 存储在 AP[i+((2*n-j+1)*j)/2]，其中 \(j = 1,\ldots,n\)，\(i \geq j\)。因此，压缩格式只需要 \(\frac{n(n + 1)}{2}\) 个元素进行存储。
如果 uplo == MCBLAS_FILL_MODE_UPPER，三角矩阵 \(A\) 上三角部分中的元素逐列压缩在一起，元素之间没有间隙，以便将元素 \(A(i,j)\) 存储在 AP[i+(j*(j+1))/2]，其中 \(A(i,j)\)，\(i \leq j\)。因此，压缩格式只需要 \(\frac{n(n + 1)}{2}\) 个元素进行存储。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或共轭转置运算op( |
|
diag |
input |
指示矩阵 |
|
n |
input |
矩阵 |
|
AP |
设备 |
input |
以压缩格式存储 |
x |
设备 |
in/out |
包含 |
incx |
input |
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
内部暂存内存分配失败 |
|
此函数在GPU上启用失败 |
2.4.14. mcblas<t>tpsv()
mcblasStatus_t mcblasStpsv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, const float *AP,
float *x, int incx)
mcblasStatus_t mcblasDtpsv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, const double *AP,
double *x, int incx)
mcblasStatus_t mcblasCtpsv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, const mcComplex *AP,
mcComplex *x, int incx)
mcblasStatus_t mcblasZtpsv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, const mcDoubleComplex *AP,
mcDoubleComplex *x, int incx)
该函数使用以下公式求解压缩三角线性方程组
其中 \(A\) 是以压缩格式存储的三角矩阵，\(\mathbf{x}\) 和 \(\mathbf{b}\) 是向量。此外，对于矩阵 \(A\)，
结束时 \(\mathbf{x}\) 覆盖右侧 \(\mathbf{b}\)。此函数中不包括奇异性或接近奇异性的测试。
如果 uplo == MCBLAS_FILL_MODE_LOWER，三角矩阵 \(A\) 下三角部分中的元素逐列压缩在一起，元素之间没有间隙，以便将元素 \(A(i,j)\) 存储在 AP[i+((2*n-j+1)*j)/2]，其中 \(j = 1,\ldots,n\)，\(i \geq j\)。因此，压缩格式只需要 \(\frac{n(n + 1)}{2}\) 个元素进行存储。
如果 uplo == MCBLAS_FILL_MODE_UPPER，三角矩阵 \(A\) 上三角部分中的元素逐列压缩在一起，元素之间没有间隙，以便将元素 \(A(i,j)\) 存储在 AP[i+(j*(j+1))/2]，其中 \(j = 1,\ldots,n\)，\(i \leq j\)。因此，压缩格式只需要 \(\frac{n(n + 1)}{2}\) 个元素进行存储。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或共轭转置运算op( |
|
diag |
input |
指示矩阵 |
|
n |
input |
矩阵 |
|
AP |
设备 |
input |
以压缩格式存储 |
x |
设备 |
in/out |
包含 |
incx |
input |
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.4.15. mcblas<t>trmv()
mcblasStatus_t mcblasStrmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, const float *A, int lda,
float *x, int incx)
mcblasStatus_t mcblasDtrmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, const double *A, int lda,
double *x, int incx)
mcblasStatus_t mcblasCtrmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, const mcComplex *A, int lda,
mcComplex *x, int incx)
mcblasStatus_t mcblasZtrmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, const mcDoubleComplex *A, int lda,
mcDoubleComplex *x, int incx)
该函数执行三角矩阵-向量乘法
其中 \(A\) 是以lower或upper模式存储的三角矩阵（无论是否有主对角线），\(\mathbf{x}\) 是向量。此外，对于矩阵 \(A\)，
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或共轭转置运算op( |
|
diag |
input |
指示矩阵 |
|
n |
input |
矩阵 |
|
A |
设备 |
input |
<type>数组，维度为 |
lda |
input |
用于存储矩阵 |
|
x |
设备 |
in/out |
包含 |
incx |
input |
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
内部暂存内存分配失败 |
|
此函数在GPU上启用失败 |
2.4.16. mcblas<t>trsv()
mcblasStatus_t mcblasStrsv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, const float *A, int lda,
float *x, int incx)
mcblasStatus_t mcblasDtrsv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, const double *A, int lda,
double *x, int incx)
mcblasStatus_t mcblasCtrsv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, const mcComplex *A, int lda,
mcComplex *x, int incx)
mcblasStatus_t mcblasZtrsv(mcblasHandle_t handle, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int n, const mcDoubleComplex *A, int lda,
mcDoubleComplex *x, int incx)
该函数使用以下公式求解三角线性方程组
其中 \(A\) 是以lower或upper模式存储的三角矩阵（无论是否有主对角线），\(\mathbf{x}\) 和 \(\mathbf{b}\) 是向量。此外，对于矩阵 \(A\)，
结束时 \(\mathbf{x}\) 覆盖右侧 \(\mathbf{b}\)。此函数中不包括奇异性或接近奇异性的测试。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或共轭转置运算op( |
|
diag |
input |
指示矩阵 |
|
n |
input |
矩阵 |
|
A |
设备 |
input |
<type>数组，维度为 |
lda |
input |
用于存储矩阵 |
|
x |
设备 |
in/out |
包含 |
incx |
input |
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.4.17. mcblas<t>hemv()
mcblasStatus_t mcblasChemv(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const mcComplex *alpha,
const mcComplex *A, int lda,
const mcComplex *x, int incx,
const mcComplex *beta,
mcComplex *y, int incy)
mcblasStatus_t mcblasZhemv(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
const mcDoubleComplex *x, int incx,
const mcDoubleComplex *beta,
mcDoubleComplex *y, int incy)
该函数执行厄米矩阵（Hermitian matrix）-向量乘法
其中 \(A\) 是以lower或upper模式存储的 \(n \times n\) 厄米矩阵，\(\mathbf{x}\) 和 \(\mathbf{y}\) 是向量，\(\alpha\) 和 \(\beta\) 是标量。此函数具有更快的备用实现（使用原子操作），可通过 mcblasSetAtomicsMode() 启用。
有关使用原子操作的详细信息，请参见 mcblasSetAtomicsMode()。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
<type>数组，维度为 |
lda |
input |
用于存储矩阵 |
|
x |
设备 |
input |
包含 |
incx |
input |
|
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
y |
设备 |
in/out |
包含 |
incy |
input |
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.4.18. mcblas<t>hbmv()
mcblasStatus_t mcblasChbmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, int k, const mcComplex *alpha,
const mcComplex *A, int lda,
const mcComplex *x, int incx,
const mcComplex *beta,
mcComplex *y, int incy)
mcblasStatus_t mcblasZhbmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, int k, const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
const mcDoubleComplex *x, int incx,
const mcDoubleComplex *beta,
mcDoubleComplex *y, int incy)
该函数执行厄米带状矩阵-向量乘法
其中 \(A\) 是具有 \(k\) 次对角线和超对角线的 \(n \times n\) 厄米带状矩阵，\(\mathbf{x}\) 和 \(\mathbf{y}\) 是向量，\(\alpha\) 和 \(\beta\) 是标量。
如果 uplo == MCBLAS_FILL_MODE_LOWER，厄米带状矩阵 \(A\) 按列存储，矩阵的主对角线存储在第 1 行，第一个次对角线在第 2 行中（从第一个位置开始），第二个次对角线在第 3 行中（从第一个位置开始）等。因此通常，元素 \(A(i,j)\) 存储在 A(1+i-j,j)，其中 \(j = 1,\ldots,n\)，\(i \in \lbrack j,\min(m,j + k)\rbrack\)。此外，数组 A 中的元素，在概念上与带状矩阵中的元素不对应（右下 \(k \times k\) 三角），也不会被引用。
如果 uplo == MCBLAS_FILL_MODE_UPPER，厄米带状矩阵 \(A\) 按列存储，矩阵的主对角线存储在行 k+1 ，第一个超对角线在行 k 中（从第二个位置开始），第二个超对角线在行 k-1 中（从第三个位置开始）等。因此通常，元素 \(A(i,j)\) 存储在 A(1+k+i-j,j)，其中 \(j = 1,\ldots,n\)，\(i \in \lbrack\max(1,j - k),j\rbrack\)。此外，数组 A 中的元素，在概念上与带状矩阵中的元素不对应（左上角 \(k \times k\) 三角），也不会被引用。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
n |
input |
矩阵 |
|
k |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
<type>数组，维度为 |
lda |
input |
用于存储矩阵 |
|
x |
设备 |
input |
包含 |
incx |
input |
|
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
y |
设备 |
in/out |
包含 |
incy |
input |
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.4.19. mcblas<t>hpmv()
mcblasStatus_t mcblasChpmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const mcComplex *alpha,
const mcComplex *AP,
const mcComplex *x, int incx,
const mcComplex *beta,
mcComplex *y, int incy)
mcblasStatus_t mcblasZhpmv(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const mcDoubleComplex *alpha,
const mcDoubleComplex *AP,
const mcDoubleComplex *x, int incx,
const mcDoubleComplex *beta,
mcDoubleComplex *y, int incy)
该函数执行厄米压缩矩阵-向量乘法
其中 \(A\) 是以压缩格式存储的 \(n \times n\) 厄米矩阵，\(\mathbf{x}\) 和 \(\mathbf{y}\) 是向量，\(\alpha\) 和 \(\beta\) 是标量。
如果 uplo == MCBLAS_FILL_MODE_LOWER，厄米矩阵 \(A\) 下三角部分中的元素逐列压缩在一起，元素之间没有间隙，以便将元素 \(A(i,j)\) 存储在 AP[i+((2*n-j+1)*j)/2]，其中 \(j = 1,\ldots,n\)，\(i \geq j\)。因此，压缩格式只需要 \(\frac{n(n + 1)}{2}\) 个元素进行存储。
如果 uplo == MCBLAS_FILL_MODE_UPPER，厄米矩阵 \(A\) 上三角部分中的元素逐列压缩在一起，元素之间没有间隙，以便将元素 \(A(i,j)\) 存储在 AP[i+(j*(j+1))/2]，其中 \(j = 1,\ldots,n\)，\(i \leq j\)。因此，压缩格式只需要 \(\frac{n(n + 1)}{2}\) 个元素进行存储。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
AP |
设备 |
input |
以压缩格式存储 |
x |
设备 |
input |
包含 |
incx |
input |
|
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
y |
设备 |
in/out |
包含 |
incy |
input |
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.4.20. mcblas<t>her()
mcblasStatus_t mcblasCher(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const float *alpha,
const mcComplex *x, int incx,
mcComplex *A, int lda)
mcblasStatus_t mcblasZher(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const double *alpha,
const mcDoubleComplex *x, int incx,
mcDoubleComplex *A, int lda)
此函数执行厄米秩一校正
其中 \(A\) 是以列主格式存储的 \(n \times n\) 厄米矩阵，\(\mathbf{x}\) 是向量，\(\alpha\) 是标量。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
x |
设备 |
input |
包含 |
incx |
input |
|
|
A |
设备 |
in/out |
<type>数组，维度为 |
lda |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.4.21. mcblas<t>her2()
mcblasStatus_t mcblasCher2(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const mcComplex *alpha,
const mcComplex *x, int incx,
const mcComplex *y, int incy,
mcComplex *A, int lda)
mcblasStatus_t mcblasZher2(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const mcDoubleComplex *alpha,
const mcDoubleComplex *x, int incx,
const mcDoubleComplex *y, int incy,
mcDoubleComplex *A, int lda)
此函数执行厄米秩二校正
其中 \(A\) 是以列主格式存储的 \(n \times n\) 厄米矩阵，\(\mathbf{x}\) 和 \(\mathbf{y}\) 是向量，\(\alpha\) 是标量。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
x |
设备 |
input |
包含 |
incx |
input |
|
|
y |
设备 |
input |
包含 |
incy |
input |
|
|
A |
设备 |
in/out |
<type>数组，维度为 |
lda |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.4.22. mcblas<t>hpr()
mcblasStatus_t mcblasChpr(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const float *alpha,
const mcComplex *x, int incx,
mcComplex *AP)
mcblasStatus_t mcblasZhpr(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const double *alpha,
const mcDoubleComplex *x, int incx,
mcDoubleComplex *AP)
此函数执行压缩厄米秩一校正
其中 \(A\) 是以压缩格式存储的 \(n \times n\) 厄米矩阵，\(\mathbf{x}\) 是向量，\(\alpha\) 是标量。
如果 uplo == MCBLAS_FILL_MODE_LOWER，厄米矩阵 \(A\) 下三角部分中的元素逐列压缩在一起，元素之间没有间隙，以便将元素 \(A(i,j)\) 存储在 AP[i+((2*n-j+1)*j)/2]，其中 \(j = 1,\ldots,n\)，\(i \geq j\)。因此，压缩格式只需要 \(\frac{n(n + 1)}{2}\) 个元素进行存储。
如果 uplo == MCBLAS_FILL_MODE_UPPER，厄米矩阵 \(A\) 上三角部分中的元素逐列压缩在一起，元素之间没有间隙，以便将元素 \(A(i,j)\) 存储在 AP[i+(j*(j+1))/2]，其中 \(j = 1,\ldots,n\)，\(i \leq j\)。因此，压缩格式只需要 \(\frac{n(n + 1)}{2}\) 个元素进行存储。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
x |
设备 |
input |
包含 |
incx |
input |
|
|
AP |
设备 |
in/out |
以压缩格式存储 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.4.23. mcblas<t>hpr2()
mcblasStatus_t mcblasChpr2(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const mcComplex *alpha,
const mcComplex *x, int incx,
const mcComplex *y, int incy,
mcComplex *AP)
mcblasStatus_t mcblasZhpr2(mcblasHandle_t handle, mcblasFillMode_t uplo,
int n, const mcDoubleComplex *alpha,
const mcDoubleComplex *x, int incx,
const mcDoubleComplex *y, int incy,
mcDoubleComplex *AP)
此函数执行压缩厄米秩二校正
其中 \(A\) 是以压缩格式存储的 \(n \times n\) 厄米矩阵，\(\mathbf{x}\) 和 \(\mathbf{y}\) 是向量，\(\alpha\) 是标量。
如果 uplo == MCBLAS_FILL_MODE_LOWER，厄米矩阵 \(A\) 下三角部分中的元素逐列压缩在一起，元素之间没有间隙，以便将元素 \(A(i,j)\) 存储在 AP[i+((2*n-j+1)*j)/2]，其中 \(j = 1,\ldots,n\)，\(i \geq j\)。因此，压缩格式只需要 \(\frac{n(n + 1)}{2}\) 个元素进行存储。
如果 uplo == MCBLAS_FILL_MODE_UPPER，厄米矩阵 \(A\) 上三角部分中的元素逐列压缩在一起，元素之间没有间隙，以便将元素 \(A(i,j)\) 存储在 AP[i+(j*(j+1))/2]，其中 \(j = 1,\ldots,n\)，\(i \leq j\)。因此，压缩格式只需要 \(\frac{n(n + 1)}{2}\) 个元素进行存储。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
x |
设备 |
input |
包含 |
incx |
input |
|
|
y |
设备 |
input |
包含 |
incy |
input |
|
|
AP |
设备 |
in/out |
以压缩格式存储 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.4.24. mcblas<t>gemvBatched()
mcblasStatus_t mcblasSgemvBatched(mcblasHandle_t handle, mcblasOperation_t trans,
int m, int n,
const float *alpha,
const float *Aarray[], int lda,
const float *xarray[], int incx,
const float *beta,
float *yarray[], int incy,
int batchCount)
mcblasStatus_t mcblasDgemvBatched(mcblasHandle_t handle, mcblasOperation_t trans,
int m, int n,
const double *alpha,
const double *Aarray[], int lda,
const double *xarray[], int incx,
const double *beta,
double *yarray[], int incy,
int batchCount)
mcblasStatus_t mcblasCgemvBatched(mcblasHandle_t handle, mcblasOperation_t trans,
int m, int n,
const mcComplex *alpha,
const mcComplex *Aarray[], int lda,
const mcComplex *xarray[], int incx,
const mcComplex *beta,
mcComplex *yarray[], int incy,
int batchCount)
mcblasStatus_t mcblasZgemvBatched(mcblasHandle_t handle, mcblasOperation_t trans,
int m, int n,
const mcDoubleComplex *alpha,
const mcDoubleComplex *Aarray[], int lda,
const mcDoubleComplex *xarray[], int incx,
const mcDoubleComplex *beta,
mcDoubleComplex *yarray[], int incy,
int batchCount)
mcblasStatus_t mcblasHSHgemvBatched(mcblasHandle_t handle, mcblasOperation_t trans,
int m, int n,
const float *alpha,
const mcblas_half *Aarray[], int lda,
const mcblas_half *xarray[], int incx,
const float *beta,
mcblas_half *yarray[], int incy,
int batchCount)
mcblasStatus_t mcblasHSSgemvBatched(mcblasHandle_t handle, mcblasOperation_t trans,
int m, int n,
const float *alpha,
const mcblas_half *Aarray[], int lda,
const mcblas_half *xarray[], int incx,
const float *beta,
float *yarray[], int incy,
int batchCount)
mcblasStatus_t mcblasTSTgemvBatched(mcblasHandle_t handle, mcblasOperation_t trans,
int m, int n,
const float *alpha,
const mcblas_bfloat16 *Aarray[], int lda,
const mcblas_bfloat16 *xarray[], int incx,
const float *beta,
mcblas_bfloat16 *yarray[], int incy,
int batchCount)
mcblasStatus_t mcblasTSSgemvBatched(mcblasHandle_t handle, mcblasOperation_t trans,
int m, int n,
const float *alpha,
const mcblas_bfloat16 *Aarray[], int lda,
const mcblas_bfloat16 *xarray[], int incx,
const float *beta,
float *yarray[], int incy,
int batchCount)
该函数对一批矩阵和向量执行矩阵-向量乘法。该批是“均匀”的，即所有实例对于各自的A矩阵，x和y向量具有相同的维度（m，n），前导维度（lda），增量（incx，incy）和转置（trans）。批处理的每个实例的输入矩阵和向量的地址以及输出向量的地址都是从调用者传递给函数的指针数组中读取的。
其中 \(\alpha\) 和 \(\beta\) 是标量，并且 \(A\) 是一个指针数组，指向矩阵 \(A\lbrack i\rbrack\) （以列主格式存储，维度为 \(m \times n\) ），\(\textbf{x}\) 和 \(\textbf{y}\) 是指向向量的指针数组。此外，对于矩阵 \(A\lbrack i\rbrack\)，
备注
\(\textbf{y}\lbrack i\rbrack\) 向量不能重叠，即单个gemv操作必须独立计算；否则，会导致未定义行为。在某些problem size上，可能需要在不同的MXMACA流中多次调用 mcblas<t>gemv，而不是使用此API。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
trans |
input |
非转置或共轭转置运算op( |
|
m |
input |
矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
Aarray |
设备 |
input |
指向<type>数组的指针数组，每个数组维度为
所有指针都必须满足特定的对齐条件。 详情参见以下内容 |
lda |
input |
用于存储矩阵 |
|
xarray |
设备 |
input |
指向<type>数组的指针数组，如果 所有指针都必须满足特定的对齐条件。 详情参见以下内容 |
incx |
input |
每个一维数组 |
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
yarray |
设备 |
in/out |
指向<type>数组的指针数组。如果 所有指针都必须满足特定的对齐条件。 详情参见以下内容 |
incy |
input |
每个一维数组 |
|
batchCount |
input |
Aarray、xarray和yarray中包含的指针数 |
如果使用 mcblasSgemvBatched() 时，数学模式启用快速数学模式，则GPU内存中的指针（而非指针数组）必须正确对齐，以避免未对齐的内存访问错误。理想情况下，所有指针都至少对齐16个字节。否则，建议符合以下规则：
如果
k % 4==0，则确保intptr_t(ptr) % 16 == 0
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
参数 |
|
此函数在GPU上启用失败 |
2.4.25. mcblas<t>gemvStridedBatched()
mcblasStatus_t mcblasSgemvStridedBatched(mcblasHandle_t handle,
mcblasOperation_t trans,
int m, int n,
const float *alpha,
const float *A, int lda,
mcblas_stride strideA,
const float *x, int incx,
mcblas_stride stridex,
const float *beta,
float *y, int incy,
mcblas_stride stridey,
int batchCount)
mcblasStatus_t mcblasDgemvStridedBatched(mcblasHandle_t handle,
mcblasOperation_t trans,
int m, int n,
const double *alpha,
const double *A, int lda,
mcblas_stride strideA,
const double *x, int incx,
mcblas_stride stridex,
const double *beta,
double *yarray[], int incy,
mcblas_stride stridey,
int batchCount)
mcblasStatus_t mcblasCgemvStridedBatched(mcblasHandle_t handle,
mcblasOperation_t trans,
int m, int n,
const mcComplex *alpha,
const mcComplex *A, int lda,
mcblas_stride strideA,
const mcComplex *x, int incx,
mcblas_stride stridex,
const mcComplex *beta,
mcComplex *y, int incy,
mcblas_stride stridey,
int batchCount)
mcblasStatus_t mcblasZgemvStridedBatched(mcblasHandle_t handle,
mcblasOperation_t trans,
int m, int n,
const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
mcblas_stride strideA,
const mcDoubleComplex *x, int incx,
mcblas_stride stridex,
const mcDoubleComplex *beta,
mcDoubleComplex *y, int incy,
mcblas_stride stridey,
int batchCount)
mcblasStatus_t mcblasHSHgemvStridedBatched(mcblasHandle_t handle,
mcblasOperation_t trans,
int m, int n,
const float *alpha,
const mcblas_half *A, int lda,
mcblas_stride strideA,
const mcblas_half *x, int incx,
mcblas_stride stridex,
const float *beta,
mcblas_half *y, int incy,
mcblas_stride stridey,
int batchCount)
mcblasStatus_t mcblasHSSgemvStridedBatched(mcblasHandle_t handle,
mcblasOperation_t trans,
int m, int n,
const float *alpha,
const mcblas_half *A, int lda,
mcblas_stride strideA,
const mcblas_half *x, int incx,
mcblas_stride stridex,
const float *beta,
float *y, int incy,
mcblas_stride stridey,
int batchCount)
mcblasStatus_t mcblasTSTgemvStridedBatched(mcblasHandle_t handle,
mcblasOperation_t trans,
int m, int n,
const float *alpha,
const mc_bfloat16 *A, int lda,
mcblas_stride strideA,
const mc_bfloat16 *x, int incx,
mcblas_stride stridex,
const float *beta,
mc_bfloat16 *y, int incy,
mcblas_stride stridey,
int batchCount)
mcblasStatus_t mcblasTSSgemvStridedBatched(mcblasHandle_t handle,
mcblasOperation_t trans,
int m, int n,
const float *alpha,
const mc_bfloat16 *A, int lda,
mcblas_stride strideA,
const mc_bfloat16 *x, int incx,
mcblas_stride stridex,
const float *beta,
float *y, int incy,
mcblas_stride stridey,
int batchCount)
该函数对一批矩阵和向量执行矩阵-向量乘法。该批是“均匀”的，即所有实例对于各自的A矩阵，x和y向量具有相同的维度（m，n），前导维度（lda），增量（incx，incy）和转置（trans）。批处理中每个实例的输入矩阵A和向量x以及输出向量y的位置，与前一个实例中的位置在元素数量上有固定的偏移。第一个实例中指向A矩阵，x和y向量的指针，与元素数量的偏移量（strideA、stridex、stridey）一并由用户传入函数，这些偏移量决定了后续实例中输入矩阵和向量以及输出向量的位置。
其中 \(\alpha\) 和 \(\beta\) 是标量，并且 \(A\) 是一个指针数组，指向矩阵 \(A\lbrack i\rbrack\) （以列主格式存储，维度为 \(m \times n\)），\(\textbf{x}\) 和 \(\textbf{y}\) 是指向向量的指针数组。此外，对于矩阵 \(A\lbrack i\rbrack\)
备注
\(\textbf{y}\lbrack i\rbrack\) 矩阵不能重叠，即单个gemv操作必须独立计算；否则，会导致未定义行为。在某些problem size上，可能需要在不同的MXMACA流中多次调用 mcblas<t>gemv，而不是使用此API。
在下表中，我们使用 A[i], x[i], y[i] 分别表示A、B、C矩阵，以及批处理中第i个实例中的x和y向量，隐式假设它们分别是相对于 A[i-1], x[i-1], y[i-1] 的元素数量的偏移 strideA, stridex, stridey。偏移的单位是元素数量，不能为零。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
trans |
input |
非转置或共轭转置运算op( |
|
m |
input |
矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
指向批处理第一个实例对应的矩阵 |
lda |
input |
用于存储矩阵 |
|
strideA |
input |
long long int类型的值，该值给出
|
|
x |
设备 |
input |
指向批处理第一个实例对应的 |
incx |
input |
每个一维数组 |
|
stridex |
input |
long long int类型的值，该值给出
|
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
y |
设备 |
in/out |
指向批处理第一个实例对应的 |
incy |
input |
每个一维数组 |
|
stridey |
input |
long long int类型的值，该值给出
|
|
batchCount |
input |
Aarray、xarray和yarray中包含的指针数 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
参数 |
|
此函数在GPU上启用失败 |
2.5. mcBLAS Level-3函数
本章中，我们将介绍执行矩阵-矩阵操作的Level-3基本线性代数子程序（BLAS3）函数。
2.5.1. mcblas<t>gemm()
mcblasStatus_t mcblasSgemm(mcblasHandle_t handle,
mcblasOperation_t transa, mcblasOperation_t transb,
int m, int n, int k,
const float *alpha,
const float *A, int lda,
const float *B, int ldb,
const float *beta,
float *C, int ldc)
mcblasStatus_t mcblasDgemm(mcblasHandle_t handle,
mcblasOperation_t transa, mcblasOperation_t transb,
int m, int n, int k,
const double *alpha,
const double *A, int lda,
const double *B, int ldb,
const double *beta,
double *C, int ldc)
mcblasStatus_t mcblasCgemm(mcblasHandle_t handle,
mcblasOperation_t transa, mcblasOperation_t transb,
int m, int n, int k,
const mcComplex *alpha,
const mcComplex *A, int lda,
const mcComplex *B, int ldb,
const mcComplex *beta,
mcComplex *C, int ldc)
mcblasStatus_t mcblasZgemm(mcblasHandle_t handle,
mcblasOperation_t transa, mcblasOperation_t transb,
int m, int n, int k,
const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
const mcDoubleComplex *B, int ldb,
const mcDoubleComplex *beta,
mcDoubleComplex *C, int ldc)
mcblasStatus_t mcblasHgemm(mcblasHandle_t handle,
mcblasOperation_t transa, mcblasOperation_t transb,
int m, int n, int k,
const mcblas_half *alpha,
const mcblas_half *A, int lda,
const mcblas_half *B, int ldb,
const mcblas_half *beta,
mcblas_half *C, int ldc)
该函数执行矩阵-矩阵乘法
其中 \(\alpha\) 和 \(\beta\) 是标量，\(A\)、\(B\)、\(C\) 是以列主格式存储的矩阵，维度分别为 \(\text{op}(A)\) \(m \times k\)，\(\text{op}(B)\) \(k \times n\) 和 \(C\) \(m \times n\)。此外，对于矩阵 \(A\)，
对于矩阵 \(B\)，\(\text{op}(B)\) 的定义类似。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
transa |
input |
非转置或共轭转置运算 op( |
|
transb |
input |
非转置或共轭转置运算 op( |
|
m |
input |
矩阵 op( |
|
n |
input |
矩阵 op( |
|
k |
input |
op( |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
如果 |
lda |
input |
用于存储矩阵 |
|
B |
设备 |
input |
如果 |
ldb |
input |
用于存储矩阵 |
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
C |
设备 |
in/out |
<type>数组，维度为 |
ldc |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
在 |
|
此函数在GPU上启用失败 |
2.5.2. mcblas<t>gemm3m()
mcblasStatus_t mcblasCgemm3m(mcblasHandle_t handle,
mcblasOperation_t transa, mcblasOperation_t transb,
int m, int n, int k,
const mcComplex *alpha,
const mcComplex *A, int lda,
const mcComplex *B, int ldb,
const mcComplex *beta,
mcComplex *C, int ldc)
mcblasStatus_t mcblasZgemm3m(mcblasHandle_t handle,
mcblasOperation_t transa, mcblasOperation_t transb,
int m, int n, int k,
const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
const mcDoubleComplex *B, int ldb,
const mcDoubleComplex *beta,
mcDoubleComplex *C, int ldc)
该函数使用高斯复杂度归约（Gauss complexity reduction）算法执行复矩阵-矩阵乘法。这可使性能提升高达25%。
其中 \(\alpha\) 和 \(\beta\) 是标量，\(A\)、\(B\)、\(C\) 是以列主格式存储的矩阵，维度分别为 \(\text{op}(A)\) \(m \times k\)，\(\text{op}(B)\) \(k \times n\) 和 \(C\) \(m \times n\)。此外，对于矩阵 \(A\)，
对于矩阵 \(B\)，\(\text{op}(B)\) 的定义类似。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
transa |
input |
非转置或共轭转置运算 op( |
|
transb |
input |
非转置或共轭转置运算 op( |
|
m |
input |
矩阵 op( |
|
n |
input |
矩阵 op( |
|
k |
input |
op( |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
如果 |
lda |
input |
用于存储矩阵 |
|
B |
设备 |
input |
如果 |
ldb |
input |
用于存储矩阵 |
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
C |
设备 |
in/out |
<type>数组，维度为 |
ldc |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
不支持该设备 |
|
此函数在GPU上启用失败 |
2.5.3. mcblas<t>gemmBatched()
mcblasStatus_t mcblasHgemmBatched(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m, int n, int k,
const mcblas_half *alpha,
const mcblas_half *Aarray[], int lda,
const mcblas_half *Barray[], int ldb,
const mcblas_half *beta,
mcblas_half *Carray[], int ldc,
int batchCount)
mcblasStatus_t mcblasSgemmBatched(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m, int n, int k,
const float *alpha,
const float *Aarray[], int lda,
const float *Barray[], int ldb,
const float *beta,
float *Carray[], int ldc,
int batchCount)
mcblasStatus_t mcblasDgemmBatched(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m, int n, int k,
const double *alpha,
const double *Aarray[], int lda,
const double *Barray[], int ldb,
const double *beta,
double *Carray[], int ldc,
int batchCount)
mcblasStatus_t mcblasCgemmBatched(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m, int n, int k,
const mcComplex *alpha,
const mcComplex *Aarray[], int lda,
const mcComplex *Barray[], int ldb,
const mcComplex *beta,
mcComplex *Carray[], int ldc,
int batchCount)
mcblasStatus_t mcblasZgemmBatched(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m, int n, int k,
const mcDoubleComplex *alpha,
const mcDoubleComplex *Aarray[], int lda,
const mcDoubleComplex *Barray[], int ldb,
const mcDoubleComplex *beta,
mcDoubleComplex *Carray[], int ldc,
int batchCount)
该函数对一批矩阵和向量执行矩阵-矩阵乘法。该批是“均匀”的，即所有实例对于各自的A、B、C矩阵具有相同的维度（m，n，k），前导维度（lda，ldb，ldc）和转置（transa，transb）。批处理的每个实例的输入矩阵和输出矩阵的地址都是从调用者传递给函数的指针数组中读取的。
其中 \(\alpha\) 和 \(\beta\) 是标量，\(A\)、\(B\)、\(C\) 是指针数组，指向以列主格式存储的矩阵，维度分别为 \(\text{op}(A\lbrack i\rbrack)\) \(m \times k\)，\(\text{op}(B\lbrack i\rbrack)\) \(k \times n\) 和 \(C\lbrack i\rbrack\) \(m \times n\)。此外，对于矩阵 \(A\lbrack i\rbrack\)，
对于矩阵 \(B\lbrack i\rbrack\)，\(\text{op}(B\lbrack i\rbrack)\) 的定义类似。
备注
\(C\lbrack i\rbrack\) 矩阵不能重叠，即单个gemm操作必须独立计算；否则，会导致未定义行为。
在某些problem size上，可能需要在不同的MXMACA流中多次调用 mcblas<t>gemm ，而不是使用此API。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
transa |
input |
非转置或共轭转置运算 op( |
|
transb |
input |
非转置或共轭转置运算 op( |
|
m |
input |
矩阵 op( |
|
n |
input |
矩阵 op( |
|
k |
input |
op( |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
Aarray |
设备 |
input |
指向<type>数组的指针数组，如果 所有指针都必须满足特定的对齐条件。 详情参见以下内容 |
lda |
input |
用于存储矩阵 |
|
Barray |
设备 |
input |
指向<type>数组的指针数组，如果 所有指针都必须满足特定的对齐条件。 详情参见以下内容 |
ldb |
input |
用于存储矩阵 |
|
beta |
主机或 |
input |
用于乘法的<type>标量，如果 |
Carray |
设备 |
in/out |
指向<type>数组的指针数组。
维度为 所有指针都必须满足特定的对齐条件。 详情参见以下内容 |
ldc |
input |
用于存储矩阵 |
|
batchCount |
input |
Aarray、Barray和Carray中包含的指针数 |
如果使用 mcblasSgemmBatched() 时，数学模式启用快速数学模式，则GPU内存中的指针（而非指针数组）必须正确对齐，以避免未对齐的内存访问错误。理想情况下，所有指针都至少对齐16个字节。否则，建议符合以下规则：
如果
k%4==0，则确保intptr_t(ptr) % 16 == 0
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
不支持该设备 |
|
此函数在GPU上启用失败 |
2.5.4. mcblas<t>gemmStridedBatched()
mcblasStatus_t mcblasHgemmStridedBatched(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m, int n, int k,
const mcblas_half *alpha,
const mcblas_half *A, int lda,
mcblas_stride strideA,
const mcblas_half *B, int ldb,
mcblas_stride strideB,
const mcblas_half *beta,
mcblas_half *C, int ldc,
mcblas_stride strideC,
int batchCount)
mcblasStatus_t mcblasSgemmStridedBatched(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m, int n, int k,
const float *alpha,
const float *A, int lda,
mcblas_stride strideA,
const float *B, int ldb,
mcblas_stride strideB,
const float *beta,
float *C, int ldc,
mcblas_stride strideC,
int batchCount)
mcblasStatus_t mcblasDgemmStridedBatched(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m, int n, int k,
const double *alpha,
const double *A, int lda,
mcblas_stride strideA,
const double *B, int ldb,
mcblas_stride strideB,
const double *beta,
double *C, int ldc,
mcblas_stride strideC,
int batchCount)
mcblasStatus_t mcblasCgemmStridedBatched(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m, int n, int k,
const mcComplex *alpha,
const mcComplex *A, int lda,
mcblas_stride strideA,
const mcComplex *B, int ldb,
mcblas_stride strideB,
const mcComplex *beta,
mcComplex *C, int ldc,
mcblas_stride strideC,
int batchCount)
mcblasStatus_t mcblasCgemm3mStridedBatched(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m, int n, int k,
const mcComplex *alpha,
const mcComplex *A, int lda,
mcblas_stride strideA,
const mcComplex *B, int ldb,
mcblas_stride strideB,
const mcComplex *beta,
mcComplex *C, int ldc,
mcblas_stride strideC,
int batchCount)
mcblasStatus_t mcblasZgemmStridedBatched(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m, int n, int k,
const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
mcblas_stride strideA,
const mcDoubleComplex *B, int ldb,
mcblas_stride strideB,
const mcDoubleComplex *beta,
mcDoubleComplex *C, int ldc,
mcblas_stride strideC,
int batchCount)
该函数对一批矩阵和向量执行矩阵-矩阵乘法。该批是“均匀”的，即所有实例对于各自的A、B、C矩阵具有相同的维度（m，n，k），前导维度（lda，ldb，ldc）和转置（transa，transb）。 批处理中每个实例的输入矩阵A和B以及输出矩阵C的位置，与前一个实例中的位置在元素数量上有固定的偏移。 第一个实例中指向矩阵A、B、C的指针，与元素数量的偏移量（strideA、strideB、strideC）一并由用户传入函数，这些偏移量决定了后续实例中输入矩阵和输出矩阵的位置。
其中 \(\alpha\) 和 \(\beta\) 是标量，\(A\)、\(B\)、\(C\) 是指针数组，指向以列主格式存储的矩阵，维度分别为 \(\text{op}(A\lbrack i\rbrack)\) \(m \times k\)，\(\text{op}(B\lbrack i\rbrack)\) \(k \times n\) 和 \(C\lbrack i\rbrack\) \(m \times n\)。此外，对于矩阵 \(A\lbrack i\rbrack\)，
对于矩阵 \(B\lbrack i\rbrack\)，\(\text{op}(B\lbrack i\rbrack)\) 的定义类似。
备注
\(C\lbrack i\rbrack\) 矩阵不能重叠，即单个gemm操作必须独立计算；否则，会导致未定义行为。
在某些problem size上，可能需要在不同的mcStream中多次调用 mcblas<t>gemm，而不是使用此API。
在下表中，我们使用 A[i], B[i], C[i] 分别表示批处理的第i个实例中A、B、C矩阵，隐式假设它们分别是相对于 A[i-1], B[i-1], C[i-1] 的元素数量的偏移 strideA, strideB, strideC。偏移的单位是元素数量，不能为零。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
transa |
input |
非转置或共轭转置运算 op( |
|
transb |
input |
非转置或共轭转置运算 op( |
|
m |
input |
矩阵 op( |
|
n |
input |
矩阵 op( |
|
k |
input |
op( |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
指向批处理第一个实例对应的矩阵 |
lda |
input |
用于存储矩阵 |
|
strideA |
input |
long long int类型的值，该值给出
|
|
B |
设备 |
input |
指向批处理第一个实例对应的矩阵 |
ldb |
input |
用于存储矩阵 |
|
strideB |
input |
long long int类型的值，该值给出
|
|
beta |
主机或 |
input |
用于乘法的<type>标量，如果 |
C |
设备 |
in/out |
指向批处理第一个实例对应的矩阵 |
ldc |
input |
用于存储矩阵 |
|
strideC |
input |
long long int类型的值，该值给出
|
|
batchCount |
input |
批处理中要执行的GEMM数量 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
不支持该设备 |
|
此函数在GPU上启用失败 |
2.5.5. mcblas<t>symm()
mcblasStatus_t mcblasSsymm(mcblasHandle_t handle,
mcblasSideMode_t side, mcblasFillMode_t uplo,
int m, int n,
const float *alpha,
const float *A, int lda,
const float *B, int ldb,
const float *beta,
float *C, int ldc)
mcblasStatus_t mcblasDsymm(mcblasHandle_t handle,
mcblasSideMode_t side, mcblasFillMode_t uplo,
int m, int n,
const double *alpha,
const double *A, int lda,
const double *B, int ldb,
const double *beta,
double *C, int ldc)
mcblasStatus_t mcblasCsymm(mcblasHandle_t handle,
mcblasSideMode_t side, mcblasFillMode_t uplo,
int m, int n,
const mcComplex *alpha,
const mcComplex *A, int lda,
const mcComplex *B, int ldb,
const mcComplex *beta,
mcComplex *C, int ldc)
mcblasStatus_t mcblasZsymm(mcblasHandle_t handle,
mcblasSideMode_t side, mcblasFillMode_t uplo,
int m, int n,
const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
const mcDoubleComplex *B, int ldb,
const mcDoubleComplex *beta,
mcDoubleComplex *C, int ldc)
该函数执行对称矩阵-矩阵乘法
其中 \(A\) 是以lower或upper模式存储的对称矩阵，\(B\) 和 \(C\) 是 \(m \times n\) 矩阵，\(\alpha\) 和 \(\beta\) 是标量。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
side |
input |
指示矩阵 |
|
uplo |
input |
指示存储的是矩阵 |
|
m |
input |
矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
如果 |
lda |
input |
用于存储矩阵 |
|
B |
设备 |
input |
<type>数组，维度为 |
ldb |
input |
用于存储矩阵 |
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
C |
设备 |
in/out |
<type>数组，维度为 |
ldc |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.5.6. mcblas<t>syrk()
mcblasStatus_t mcblasSsyrk(mcblasHandle_t handle,
mcblasFillMode_t uplo, mcblasOperation_t trans,
int n, int k,
const float *alpha,
const float *A, int lda,
const float *beta,
float *C, int ldc)
mcblasStatus_t mcblasDsyrk(mcblasHandle_t handle,
mcblasFillMode_t uplo, mcblasOperation_t trans,
int n, int k,
const double *alpha,
const double *A, int lda,
const double *beta,
double *C, int ldc)
mcblasStatus_t mcblasCsyrk(mcblasHandle_t handle,
mcblasFillMode_t uplo, mcblasOperation_t trans,
int n, int k,
const mcComplex *alpha,
const mcComplex *A, int lda,
const mcComplex *beta,
mcComplex *C, int ldc)
mcblasStatus_t mcblasZsyrk(mcblasHandle_t handle,
mcblasFillMode_t uplo, mcblasOperation_t trans,
int n, int k,
const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
const mcDoubleComplex *beta,
mcDoubleComplex *C, int ldc)
此函数执行对称秩- \(k\) 校正 \(C = \alpha\text{op}(A)\text{op}(A)^{T} + \beta C\)，其中 \(\alpha\) 和 \(\beta\) 是标量，\(C\) 是以lower或upper模式存储的对称矩阵，\(A\) 是一个维度为 \(\text{op}(A)\) \(n \times k\) 的矩阵。此外，对于矩阵 \(A\)，
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或运算 op( |
|
n |
input |
矩阵op( |
|
k |
input |
矩阵op( |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
如果 |
lda |
input |
用于存储矩阵 |
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
C |
设备 |
in/out |
<type>数组，维度为 |
ldc |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.5.7. mcblas<t>syr2k()
mcblasStatus_t mcblasSsyr2k(mcblasHandle_t handle,
mcblasFillMode_t uplo, mcblasOperation_t trans,
int n, int k,
const float *alpha,
const float *A, int lda,
const float *B, int ldb,
const float *beta,
float *C, int ldc)
mcblasStatus_t mcblasDsyr2k(mcblasHandle_t handle,
mcblasFillMode_t uplo, mcblasOperation_t trans,
int n, int k,
const double *alpha,
const double *A, int lda,
const double *B, int ldb,
const double *beta,
double *C, int ldc)
mcblasStatus_t mcblasCsyr2k(mcblasHandle_t handle,
mcblasFillMode_t uplo, mcblasOperation_t trans,
int n, int k,
const mcComplex *alpha,
const mcComplex *A, int lda,
const mcComplex *B, int ldb,
const mcComplex *beta,
mcComplex *C, int ldc)
mcblasStatus_t mcblasZsyr2k(mcblasHandle_t handle,
mcblasFillMode_t uplo, mcblasOperation_t trans,
int n, int k,
const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
const mcDoubleComplex *B, int ldb,
const mcDoubleComplex *beta,
mcDoubleComplex *C, int ldc)
此函数执行对称秩- \(2k\) 校正 \(C = \alpha(\text{op}(A)\text{op}(B)^{T} + \text{op}(B)\text{op}(A)^{T}) + \beta C\)，其中 \(\alpha\) 和 \(\beta\) 是标量，\(C\) 是以lower或upper模式存储的对称矩阵，\(A\) 和 \(B\) 是维度分别为 \(\text{op}(A)\) \(n \times k\) 和 \(\text{op}(B)\) \(n \times k\) 的矩阵。此外，对于矩阵 \(A\) 和 \(B\)，
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或转置运算 op( |
|
n |
input |
矩阵op( |
|
k |
input |
矩阵op( |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
如果 |
lda |
input |
用于存储矩阵 |
|
B |
设备 |
input |
如果 |
ldb |
input |
用于存储矩阵 |
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
C |
设备 |
in/out |
<type>数组，维度为 |
ldc |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.5.8. mcblas<t>syrkx()
mcblasStatus_t mcblasSsyrkx(mcblasHandle_t handle,
mcblasFillMode_t uplo, mcblasOperation_t trans,
int n, int k,
const float *alpha,
const float *A, int lda,
const float *B, int ldb,
const float *beta,
float *C, int ldc)
mcblasStatus_t mcblasDsyrkx(mcblasHandle_t handle,
mcblasFillMode_t uplo, mcblasOperation_t trans,
int n, int k,
const double *alpha,
const double *A, int lda,
const double *B, int ldb,
const double *beta,
double *C, int ldc)
mcblasStatus_t mcblasCsyrkx(mcblasHandle_t handle,
mcblasFillMode_t uplo, mcblasOperation_t trans,
int n, int k,
const mcComplex *alpha,
const mcComplex *A, int lda,
const mcComplex *B, int ldb,
const mcComplex *beta,
mcComplex *C, int ldc)
mcblasStatus_t mcblasZsyrkx(mcblasHandle_t handle,
mcblasFillMode_t uplo, mcblasOperation_t trans,
int n, int k,
const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
const mcDoubleComplex *B, int ldb,
const mcDoubleComplex *beta,
mcDoubleComplex *C, int ldc)
此函数执行对称秩- \(k\) 更新的变体 \(C = \alpha\text{op}(A)\text{op}(B)^{T} + \beta C\)，其中 \(\alpha\) 和 \(\beta\) 是标量，\(C\) 是以lower或upper模式存储的对称矩阵，\(A\) 和 \(B\) 是维度分别为 \(\text{op}(A)\) \(n \times k\) 和 \(\text{op}(B)\) \(n \times k\) 的矩阵。此外，对于矩阵 \(A\) 和 \(B\)，
当矩阵B能保证结果是对称矩阵时，可以使用此例程。一个常见的例子是矩阵B是矩阵A的缩放形式：这相当于B是矩阵A和一个对角矩阵（diagonal matrix）的乘积。有效计算正则矩阵（regular matrix）与对角矩阵的乘积，请参见 mcblas<t>dgmm()。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或转置运算 op( |
|
n |
input |
矩阵op( |
|
k |
input |
矩阵op( |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
如果 |
lda |
input |
用于存储矩阵 |
|
B |
设备 |
input |
如果 |
ldb |
input |
用于存储矩阵 |
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
C |
设备 |
in/out |
<type>数组，维度为 |
ldc |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.5.9. mcblas<t>trmm()
mcblasStatus_t mcblasStrmm(mcblasHandle_t handle,
mcblasSideMode_t side, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int m, int n,
const float *alpha,
const float *A, int lda,
const float *B, int ldb,
float *C, int ldc)
mcblasStatus_t mcblasDtrmm(mcblasHandle_t handle,
mcblasSideMode_t side, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int m, int n,
const double *alpha,
const double *A, int lda,
const double *B, int ldb,
double *C, int ldc)
mcblasStatus_t mcblasCtrmm(mcblasHandle_t handle,
mcblasSideMode_t side, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int m, int n,
const mcComplex *alpha,
const mcComplex *A, int lda,
const mcComplex *B, int ldb,
mcComplex *C, int ldc)
mcblasStatus_t mcblasZtrmm(mcblasHandle_t handle,trmm
mcblasSideMode_t side, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int m, int n,
const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
const mcDoubleComplex *B, int ldb,
mcDoubleComplex *C, int ldc)
该函数执行三角矩阵-矩阵乘法
其中 \(A\) 是以lower或upper模式存储的三角矩阵（无论是否有主对角线），\(B\) 和 \(C\) 为 \(m \times n\) 矩阵，\(\alpha\) 是标量。此外，对于矩阵 \(A\)，
请注意，为了实现更好的并行性，mcBLAS与BLAS API仅在此例程上不同。BLAS API采用就地实现（结果写回到B），而mcBLAS API采用异地实现（结果写入C）。通过传递矩阵B的地址来代替矩阵C，此应用可以在mcBLAS API中获得BLAS的就地实现功能。不支持其他输入参数的重叠。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
side |
input |
指示矩阵 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或共轭转置运算 op( |
|
diag |
input |
指示矩阵 |
|
m |
input |
矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
A |
设备 |
input |
如果 |
lda |
input |
用于存储矩阵 |
|
B |
设备 |
input |
<type>数组，维度为 |
ldb |
input |
用于存储矩阵 |
|
C |
设备 |
in/out |
<type>数组，维度为 |
ldc |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.5.10. mcblas<t>trsm()
mcblasStatus_t mcblasStrsm(mcblasHandle_t handle,
mcblasSideMode_t side, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int m, int n,
const float *alpha,
const float *A, int lda,
float *B, int ldb)
mcblasStatus_t mcblasDtrsm(mcblasHandle_t handle,
mcblasSideMode_t side, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int m, int n,
const double *alpha,
const double *A, int lda,
double *B, int ldb)
mcblasStatus_t mcblasCtrsm(mcblasHandle_t handle,
mcblasSideMode_t side, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int m, int n,
const mcComplex *alpha,
const mcComplex *A, int lda,
mcComplex *B, int ldb)
mcblasStatus_t mcblasZtrsm(mcblasHandle_t handle,
mcblasSideMode_t side, mcblasFillMode_t uplo,
mcblasOperation_t trans, mcblasDiagType_t diag,
int m, int n,
const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
mcDoubleComplex *B, int ldb)
该函数使用以下公式求解三角线性方程组
其中 \(A\) 是以lower或upper模式存储的三角矩阵（无论是否有主对角线），\(X\) 和 \(B\) 为 \(m \times n\) 矩阵，\(\alpha\) 是标量。此外，对于矩阵 \(A\)，
结束时 \(X\) 覆盖右侧 \(B\)。
此函数中不包括奇异性或接近奇异性的测试。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
side |
input |
指示矩阵 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或共轭转置运算 op( |
|
diag |
input |
指示矩阵 |
|
m |
input |
矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
A |
设备 |
input |
如果 |
lda |
input |
用于存储矩阵 |
|
B |
设备 |
in/out |
<type>数组，维度为 |
ldb |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.5.11. mcblas<t>trsmBatched()
mcblasStatus_t mcblasStrsmBatched(mcblasHandle_t handle,
mcblasSideMode_t side,
mcblasFillMode_t uplo,
mcblasOperation_t trans,
mcblasDiagType_t diag,
int m,
int n,
const float *alpha,
const float *const A[],
int lda,
float *const B[],
int ldb,
int batchCount);
mcblasStatus_t mcblasDtrsmBatched(mcblasHandle_t handle,
mcblasSideMode_t side,
mcblasFillMode_t uplo,
mcblasOperation_t trans,
mcblasDiagType_t diag,
int m,
int n,
const double *alpha,
const double *const A[],
int lda,
double *const B[],
int ldb,
int batchCount);
mcblasStatus_t mcblasCtrsmBatched(mcblasHandle_t handle,
mcblasSideMode_t side,
mcblasFillMode_t uplo,
mcblasOperation_t trans,
mcblasDiagType_t diag,
int m,
int n,
const mcComplex *alpha,
const mcComplex *const A[],
int lda,
mcComplex *const B[],
int ldb,
int batchCount);
mcblasStatus_t mcblasZtrsmBatched(mcblasHandle_t handle,
mcblasSideMode_t side,
mcblasFillMode_t uplo,
mcblasOperation_t trans,
mcblasDiagType_t diag,
int m,
int n,
const mcDoubleComplex *alpha,
const mcDoubleComplex *const A[],
int lda,
mcDoubleComplex *const B[],
int ldb,
int batchCount);
该函数使用以下公式求解三角线性方程组数组
其中 \(A\lbrack i\rbrack\) 是以lower或upper模式存储的三角矩阵（无论是否有主对角线），\(X\lbrack i\rbrack\) 和 \(B\lbrack i\rbrack\) 为 \(m \times n\) 矩阵，\(\alpha\) 是标量。此外，对于矩阵 \(A\)，
结束时 \(X\lbrack i\rbrack\) 覆盖右侧 \(B\lbrack i\rbrack\)。此函数中不包括奇异性或接近奇异性的测试。
此函数适用于任何大小，但主要用于较小的矩阵，其中启动开销（launch overhead）是一个重要因素。对于较大的矩阵，可能需要在一组MXMACA流中调用 batchCount 乘以正则 mcblas<t>trsm。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
side |
input |
指示矩阵 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或共轭转置运算 op( |
|
diag |
input |
指示矩阵 |
|
m |
input |
矩阵 |
|
n |
input |
矩阵 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量，
如果 |
A |
设备 |
input |
指向<type>数组的指针数组。
如果 |
lda |
input |
用于存储矩阵 |
|
B |
设备 |
in/out |
指向<type>数组的指针数组，
维度为 |
ldb |
input |
用于存储矩阵 |
|
batchCount |
input |
A和B中包含的指针数 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.5.12. mcblas<t>hemm()
mcblasStatus_t mcblasChemm(mcblasHandle_t handle,
mcblasSideMode_t side, mcblasFillMode_t uplo,
int m, int n,
const mcComplex *alpha,
const mcComplex *A, int lda,
const mcComplex *B, int ldb,
const mcComplex *beta,
mcComplex *C, int ldc)
mcblasStatus_t mcblasZhemm(mcblasHandle_t handle,
mcblasSideMode_t side, mcblasFillMode_t uplo,
int m, int n,
const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
const mcDoubleComplex *B, int ldb,
const mcDoubleComplex *beta,
mcDoubleComplex *C, int ldc)
该函数执行厄米矩阵-矩阵乘法
其中 \(A\) 是以lower或upper模式存储的厄米矩阵，\(B\) 和 \(C\) 是 \(m \times n\) 矩阵，\(\alpha\) 和 \(\beta\) 是标量。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
side |
input |
指示矩阵 |
|
uplo |
input |
指示存储的是矩阵 |
|
m |
input |
矩阵C和B的行数， 矩阵A的大小也相应调整 |
|
n |
input |
矩阵C和B的列数， 矩阵A的大小也相应调整 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量， |
A |
设备 |
input |
如果 |
lda |
input |
用于存储矩阵 |
|
B |
设备 |
input |
<type>数组，维度为 |
ldb |
input |
用于存储矩阵 |
|
beta |
input |
用于乘法的<type>标量，如果 |
|
C |
设备 |
in/out |
<type>数组，维度为 |
ldc |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.5.13. mcblas<t>herk()
mcblasStatus_t mcblasCherk(mcblasHandle_t handle,
mcblasFillMode_t uplo, mcblasOperation_t trans,
int n, int k,
const float *alpha,
const mcComplex *A, int lda,
const float *beta,
mcComplex *C, int ldc)
mcblasStatus_t mcblasZherk(mcblasHandle_t handle,
mcblasFillMode_t uplo, mcblasOperation_t trans,
int n, int k,
const double *alpha,
const mcDoubleComplex *A, int lda,
const double *beta,
mcDoubleComplex *C, int ldc)
此函数执行厄米秩- \(k\) 校正 \(C = \alpha\text{op}(A)\text{op}(A)^{H} + \beta C\)，其中 \(\alpha\) 和 \(\beta\) 是标量，\(C\) 是以lower或upper模式存储的厄米矩阵，\(A\) 是一个维度为 \(\text{op}(A)\) \(n \times k\) 的矩阵。此外，对于矩阵 \(A\)，
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或共轭转置运算op( |
|
n |
input |
矩阵op(A)和C的行数 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
如果 |
lda |
input |
用于存储矩阵 |
|
beta |
input |
用于乘法的<type>标量，如果 |
|
C |
设备 |
in/out |
<type>数组，维度为 |
ldc |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.5.14. mcblas<t>her2k()
mcblasStatus_t mcblasCher2k(mcblasHandle_t handle,
mcblasFillMode_t uplo, mcblasOperation_t trans,
int n, int k,
const mcComplex *alpha,
const mcComplex *A, int lda,
const mcComplex *B, int ldb,
const float *beta,
mcComplex *C, int ldc)
mcblasStatus_t mcblasZher2k(mcblasHandle_t handle,
mcblasFillMode_t uplo, mcblasOperation_t trans,
int n, int k,
const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
const mcDoubleComplex *B, int ldb,
const double *beta,
mcDoubleComplex *C, int ldc)
此函数执行厄米秩- \(2k\) 校正 \(C = \alpha\text{op}(A)\text{op}(B)^{H} + \overline{\alpha}\text{op}(B)\text{op}(A)^{H} + \beta C\)，其中 \(\alpha\) 和 \(\beta\) 是标量，\(C\) 是以lower或upper模式存储的厄米矩阵，\(A\) 和 \(B\) 是维度分别为 \(\text{op}(A)\) \(n \times k\) 和 \(\text{op}(B)\) \(n \times k\) 的矩阵。此外，对于矩阵 \(A\) 和 \(B\)，
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或共轭转置运算op( |
|
n |
input |
矩阵op(A)、op(B)和C的行数 |
|
k |
input |
矩阵op(A)和op(B)的列数 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
如果 |
lda |
input |
用于存储矩阵 |
|
B |
设备 |
input |
如果 |
ldb |
input |
用于存储矩阵 |
|
beta |
input |
用于乘法的<type>标量，如果 |
|
C |
设备 |
in/out |
<type>数组，维度为 |
ldc |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.5.15. mcblas<t>herkx()
mcblasStatus_t mcblasCherkx(mcblasHandle_t handle,
mcblasFillMode_t uplo, mcblasOperation_t trans,
int n, int k,
const mcComplex *alpha,
const mcComplex *A, int lda,
const mcComplex *B, int ldb,
const float *beta,
mcComplex *C, int ldc)
mcblasStatus_t mcblasZherkx(mcblasHandle_t handle,
mcblasFillMode_t uplo, mcblasOperation_t trans,
int n, int k,
const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
const mcDoubleComplex *B, int ldb,
const double *beta,
mcDoubleComplex *C, int ldc)
此函数执行厄米秩- \(k\) 校正变分 \(C = \alpha\text{op}(A)\text{op}(B)^{H} + \beta C\)，其中 \(\alpha\) 和 \(\beta\) 是标量，\(C\) 是以lower或upper模式存储的厄米矩阵，\(A\) 和 \(B\) 是维度分别为 \(\text{op}(A)\) \(n \times k\) 和 \(\text{op}(B)\) \(n \times k\) 的矩阵。此外，对于矩阵 \(A\) 和 \(B\)，
当矩阵B的结果保证是厄米矩阵，可以使用此例程。一个常见的例子是矩阵B是矩阵A的缩放形式：这相当于B是矩阵A和一个对角矩阵（diagonal matrix）的乘积。有效计算正则矩阵（regular matrix）与对角矩阵的乘积，请参见 mcblas<t>dgmm()。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或共轭转置运算op( |
|
n |
input |
矩阵op(A)、op(B)和C的行数 |
|
k |
input |
矩阵op(A)和op(B)的列数 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
如果 |
lda |
input |
用于存储矩阵 |
|
B |
设备 |
input |
如果 |
ldb |
input |
用于存储矩阵 |
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，如果 |
C |
设备 |
in/out |
<type>数组，维度为 |
ldc |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.6. BLAS-Like扩展函数
本章中，我们将介绍执行矩阵-矩阵操作的BLAS扩展函数。
2.6.1. mcblas<t>geam()
mcblasStatus_t mcblasSgeam(mcblasHandle_t handle,
mcblasOperation_t transa, mcblasOperation_t transb,
int m, int n,
const float *alpha,
const float *A, int lda,
const float *beta,
const float *B, int ldb,
float *C, int ldc)
mcblasStatus_t mcblasDgeam(mcblasHandle_t handle,
mcblasOperation_t transa, mcblasOperation_t transb,
int m, int n,
const double *alpha,
const double *A, int lda,
const double *beta,
const double *B, int ldb,
double *C, int ldc)
mcblasStatus_t mcblasCgeam(mcblasHandle_t handle,
mcblasOperation_t transa, mcblasOperation_t transb,
int m, int n,
const mcComplex *alpha,
const mcComplex *A, int lda,
const mcComplex *beta ,
const mcComplex *B, int ldb,
mcComplex *C, int ldc)
mcblasStatus_t mcblasZgeam(mcblasHandle_t handle,
mcblasOperation_t transa, mcblasOperation_t transb,
int m, int n,
const mcDoubleComplex *alpha,
const mcDoubleComplex *A, int lda,
const mcDoubleComplex *beta,
const mcDoubleComplex *B, int ldb,
mcDoubleComplex *C, int ldc)
该函数执行矩阵-矩阵加法/转置
其中 \(\alpha\) 和 \(\beta\) 是标量，\(A\)、\(B\)、\(C\) 是以列主格式存储的矩阵，维度分别为 \(\text{op}(A)\) \(m \times n\)、\(\text{op}(B)\) \(m \times n\) 和 \(C\) \(m \times n\)。此外，对于矩阵 \(A\)，
对于矩阵 \(B\)，\(\text{op}(B)\) 的定义类似。如果C与A或B不重叠，则该操作为异地操作。
就地模式支持以下两种操作：
对于就地模式，如果 C = A，则 ldc = lda，transa = MCBLAS_OP_N。如果 C = B，则 ldc = ldb，transb = MCBLAS_OP_N。如果不满足上述要求，则返回 MCBLAS_STATUS_INVALID_VALUE。
该操作包括以下特殊情况：
用户可以通过设置 *alpha=*beta=0 将矩阵C重置为零。
用户可以通过设置 *alpha=1 and *beta=0 对矩阵A进行转置。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
transa |
input |
非转置或共轭转置运算op( |
|
transb |
input |
非转置或共轭转置运算op( |
|
m |
input |
矩阵op(A)和C的行数 |
|
n |
input |
矩阵op(B)和C的列数 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量。如果 |
A |
设备 |
input |
如果 |
lda |
input |
用于存储矩阵 |
|
B |
设备 |
input |
如果 |
ldb |
input |
用于存储矩阵 |
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，如果 |
C |
设备 |
output |
<type>数组，维度为 |
ldc |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.6.2. mcblas<t>dgmm()
mcblasStatus_t mcblasSdgmm(mcblasHandle_t handle, mcblasSideMode_t mode,
int m, int n,
const float *A, int lda,
const float *x, int incx,
float *C, int ldc)
mcblasStatus_t mcblasDdgmm(mcblasHandle_t handle, mcblasSideMode_t mode,
int m, int n,
const double *A, int lda,
const double *x, int incx,
double *C, int ldc)
mcblasStatus_t mcblasCdgmm(mcblasHandle_t handle, mcblasSideMode_t mode,
int m, int n,
const mcComplex *A, int lda,
const mcComplex *x, int incx,
mcComplex *C, int ldc)
mcblasStatus_t mcblasZdgmm(mcblasHandle_t handle, mcblasSideMode_t mode,
int m, int n,
const mcDoubleComplex *A, int lda,
const mcDoubleComplex *x, int incx,
mcDoubleComplex *C, int ldc)
该函数执行矩阵-矩阵乘法
其中 \(A\) 和 \(C\) 是以列主格式存储的矩阵，维度为 \(m \times n\)。若 mode == MCBLAS_SIDE_RIGHT，则 \(X\) 是大小为 \(n\) 的向量；若 mode == MCBLAS_SIDE_LEFT，则是大小为 \(m\) 的向量。\(X\) 是从步幅（stride）为 incx 的一维数组x中获取的。incx 的绝对值为步幅，incx 的符号是步幅的方向。如果 incx 是正的，则从第一个元素开始正向读取数组x。否则，从最后一个元素开始反向读取数组x。X的公式为
其中，如果 mode == MCBLAS_SIDE_LEFT，则 \(\chi = m\)；如果 mode == MCBLAS_SIDE_RIGHT，则 \(\chi = n\)。
示例1：如果用户要执行 \(diag(diag(B)) \times A\)，则 \(incx = ldb + 1\)，其中 \(ldb\) 是矩阵 B 的前导维度，可以是行主格式或列主格式。
示例2：如果用户要执行 \(\alpha \times A\)，则有两个选项，mcblasgeam（*beta=0，transa == MCBLAS_OP_N）或mcblasdgmm（incx=0，x[0]=alpha）。该操作为异地操作。仅当 lda = ldc 时，可使用就地操作。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
mode |
input |
如果 |
|
m |
input |
矩阵A和C的行数 |
|
n |
input |
矩阵A和C的列数 |
|
A |
设备 |
in/out |
<type>数组，维度为 |
lda |
input |
用于存储矩阵 |
|
x |
设备 |
input |
如果 |
incx |
input |
每个一维数组 |
|
C |
设备 |
in/out |
<type>数组，维度为 |
ldc |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.6.3. mcblas<t>getrfBatched()
mcblasStatus_t mcblasSgetrfBatched(mcblasHandle_t handle,
int n,
float *const Aarray[],
int lda,
int *PivotArray,
int *infoArray,
int batchSize);
mcblasStatus_t mcblasDgetrfBatched(mcblasHandle_t handle,
int n,
double *const Aarray[],
int lda,
int *PivotArray,
int *infoArray,
int batchSize);
mcblasStatus_t mcblasCgetrfBatched(mcblasHandle_t handle,
int n,
mcComplex *const Aarray[],
int lda,
int *PivotArray,
int *infoArray,
int batchSize);
mcblasStatus_t mcblasZgetrfBatched(mcblasHandle_t handle,
int n,
mcDoubleComplex *const Aarray[],
int lda,
int *PivotArray,
int *infoArray,
int batchSize);
Aarray 是一个指向矩阵的指针数组，以列主格式存储，维度为 nxn，前导维度为 lda。
通过以下公式，该函数对每个 Aarray[i] 执行LU分解，i = 0，…，batchSize-1
其中 P 是一个置换矩阵，表示进行行交换的部分主元法（partial pivoting）。L 是具有单位对角元素的下三角矩阵，U 是上三角矩阵。
P 为置换矩阵 Pj 的积，j = 1,2,...,n，即 P = P1 * P2 * P3 * .... * Pn。Pj 为置换矩阵，在执行 Pj*x 时交换向量x的两行。通过以下matlab代码，Pj 可由 PivotArray[i] 的 j 元素构造
//在Matlab中，PivotArray[i]为base-1数组。
//在C中，PivotArray[i]为base-0数组。
Pj = eye(n);
swap Pj(j,:) and Pj(PivotArray[i][j] ,:)
将 L 和 U 写回原始矩阵 A，丢弃 L 的对角元素。L 和 U 可以通过以下matlab代码构造：
// A是getrf后的nxn矩阵。
L = eye(n);
for j = 1:n
L(j+1:n,j) = A(j+1:n,j)
end
U = zeros(n);
for i = 1:n
U(i,i:n) = A(i,i:n)
end
如果 A(=Aarray[i]) 为奇异矩阵，仍然可使用getrf，并且 info(=infoArray[i]) 的值表示无法进行LU分解的第一行索引。如果info为 k，则 U(k,k) 为零。方程 P*A=L*U 仍然有效，但需要不同的matlab代码进行 L 和 U 重建，如下所示：
// A是getrf后的nxn矩阵。
// info为k，即U(k,k)为零。
L = eye(n);
for j = 1:k-1
L(j+1:n,j) = A(j+1:n,j)
end
U = zeros(n);
for i = 1:k-1
U(i,i:n) = A(i,i:n)
end
for i = k:n
U(i,k:n) = A(i,k:n)
end
此函数用于较小的矩阵，其中启动开销是一个重要因素。
如果 PivotArray 为nil，则mcblas<t>getrfBatched支持非主元（non-pivot）LU分解。
mcblas<t>getrfBatched支持任意维度。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
n |
input |
Aarray[i]的行数和列数 |
|
Aarray |
设备 |
in/out |
指向<type>数组的指针数组， 每个数组维度为n x n，其中lda >=max(1,n) 。 矩阵Aarray[i]不应重叠； 否则，将出现未定义的行为。 |
lda |
input |
用于存储矩阵Aarray[i]的二维数组的前导维度 |
|
PivotArray |
设备 |
output |
大小为 |
infoArray |
设备 |
output |
大小为 如果info=0，执行成功。 如果info = -j，第j个参数具有非法值。 如果info = k，U(k,k)为0。 因子分解已经完成，但U恰好是奇异的。 |
batchSize |
input |
A中包含的指针数 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
参数 |
|
此函数在GPU上启用失败 |
2.6.4. mcblas<t>getrsBatched()
mcblasStatus_t mcblasSgetrsBatched(mcblasHandle_t handle,
mcblasOperation_t trans,
int n,
int nrhs,
const float *const Aarray[],
int lda,
const int *devIpiv,
float *const Barray[],
int ldb,
int *info,
int batchSize);
mcblasStatus_t mcblasDgetrsBatched(mcblasHandle_t handle,
mcblasOperation_t trans,
int n,
int nrhs,
const double *const Aarray[],
int lda,
const int *devIpiv,
double *const Barray[],
int ldb,
int *info,
int batchSize);
mcblasStatus_t mcblasCgetrsBatched(mcblasHandle_t handle,
mcblasOperation_t trans,
int n,
int nrhs,
const mcComplex *const Aarray[],
int lda,
const int *devIpiv,
mcComplex *const Barray[],
int ldb,
int *info,
int batchSize);
mcblasStatus_t mcblasZgetrsBatched(mcblasHandle_t handle,
mcblasOperation_t trans,
int n,
int nrhs,
const mcDoubleComplex *const Aarray[],
int lda,
const int *devIpiv,
mcDoubleComplex *const Barray[],
int ldb,
int *info,
int batchSize);
该函数求解一组线性方程组，方程组格式如下：
其中 \(A\lbrack i\rbrack\) 是一个已经过主元LU分解的矩阵，\(X\lbrack i\rbrack\) 和 \(B\lbrack i\rbrack\) 是 \(n \times {nrhs}\) 矩阵。此外，对于矩阵 \(A\)，
此函数用于较小的矩阵，其中启动开销是一个重要因素。
如果 devIpiv 为nil，则mcblas<t>getrsBatched支持非主元LU分解。
mcblas<t>getrsBatched支持任意维度。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
trans |
input |
非转置或共轭运算op(A) |
|
n |
input |
Aarray[i]的行数和列数 |
|
nrhs |
input |
Barray[i]的列数 |
|
Aarray |
设备 |
input |
指向<type>数组的指针数组， 每个数组维度为n x n， 其中lda >=max(1,n) |
lda |
input |
用于存储矩阵Aarray[i]的二维数组的前导维度 |
|
devIpiv |
设备 |
input |
大小为 |
Barray |
设备 |
in/out |
指向<type>数组的指针数组， 每个数组维度为n x nrhs， 其中ldb >=max(1,n) 。 矩阵Barray[i]不应重叠； 否则，将出现未定义的行为。 |
ldb |
input |
用于存储矩阵Barray[i]的二维数组的前导维度 |
|
info |
主机 |
output |
如果info=0，执行成功。 如果info = -j，第j个参数具有非法值。 |
batchSize |
input |
A中包含的指针数 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.6.5. mcblas<t>getriBatched()
mcblasStatus_t mcblasSgetriBatched(mcblasHandle_t handle,
int n,
const float *const Aarray[],
int lda,
int *PivotArray,
float *const Carray[],
int ldc,
int *infoArray,
int batchSize);
mcblasStatus_t mcblasDgetriBatched(mcblasHandle_t handle,
int n,
const double *const Aarray[],
int lda,
int *PivotArray,
double *const Carray[],
int ldc,
int *infoArray,
int batchSize);
mcblasStatus_t mcblasCgetriBatched(mcblasHandle_t handle,
int n,
const mcComplex *const Aarray[],
int lda,
int *PivotArray,
mcComplex *const Carray[],
int ldc,
int *infoArray,
int batchSize);
mcblasStatus_t mcblasZgetriBatched(mcblasHandle_t handle,
int n,
const mcDoubleComplex *const Aarray[],
int lda,
int *PivotArray,
mcDoubleComplex *const Carray[],
int ldc,
int *infoArray,
int batchSize);
Aarray 和 Carray 是指向矩阵的指针数组，以列主格式存储，维度为 n*n，前导维度分别为 lda 和 ldc。
该函数执行 A[i] 矩阵反转，i = 0，…，batchSize-1。
在调用mcblas<t>getriBatched之前，必须先使用例程mcblas<t>getrfBatched对矩阵 A[i] 进行分解。在调用mcblas<t>getrfBatched后，Aarray[i] 指向的矩阵将包含矩阵 A[i] 的LU分解，(PivotArray+i) 指向的向量将包含主元序列。
LU分解之后，mcblas<t>getriBatched使用正向和反向三角求解器（triangular solver）来完成 A[i] 矩阵反转，i = 0，…，batchSize-1。矩阵反转为异地操作，因此Carray[i]的内存空间不能与Array[i]的内存空间重叠。
通常，mcblas<t>getrfBatched中的所有参数都会传递到mcblas<t>getriBatched中。例如，
//第1步：执行就地LU分解，P*A = L*U
// Aarray[i]是n*n矩阵A[i]
mcblasDgetrfBatched(handle, n, Aarray, lda, PivotArray, infoArray, batchSize);
// 查看infoArray[i]以确认A[i]分解是否成功。
// Array[i]包含A[i] LU分解
//第2步：执行异地反转，Carray[i] = inv(A[i])
mcblasDgetriBatched(handle, n, Aarray, lda, PivotArray, Carray, ldc, infoArray, batchSize);
// 查看infoArray[i]以确认A[i]反转是否成功。
用户可以从mcblas<t>getrfBatched或mcblas<t>getriBatched中检查奇异性。
此函数用于较小的矩阵，其中启动开销是一个重要因素。
如果对mcblas<t>getrfBatched执行非主元反转，则mcblas<t>getriBatched的 PivotArray 应为nil。
mcblas<t>getriBatched支持任意维度。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
n |
input |
Aarray[i]的行数和列数 |
|
Aarray |
设备 |
input |
指向<type>数组的指针数组， 每个数组维度为n x n， 其中lda >=max(1,n) |
lda |
input |
用于存储矩阵Aarray[i]的二维数组的前导维度 |
|
PivotArray |
设备 |
output |
大小为 |
Carray |
设备 |
output |
指向<type>数组的指针数组， 每个数组维度为n x n， 其中ldc >=max(1,n) 。 矩阵Carray[i]不应重叠； 否则，将出现未定义的行为。 |
ldc |
input |
用于存储矩阵Carray[i]的二维数组的前导维度 |
|
infoArray |
设备 |
output |
大小为 如果info=0，执行成功。 如果info = k，U(k,k)为0。 U恰好是奇异的，且反转失败。 |
batchSize |
input |
A中包含的指针数 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.6.6. mcblas<t>matinvBatched()
mcblasStatus_t mcblasSmatinvBatched(mcblasHandle_t handle,
int n,
const float *const A[],
int lda,
float *const Ainv[],
int lda_inv,
int *info,
int batchSize);
mcblasStatus_t mcblasDmatinvBatched(mcblasHandle_t handle,
int n,
const double *const A[],
int lda,
double *const Ainv[],
int lda_inv,
int *info,
int batchSize);
mcblasStatus_t mcblasCmatinvBatched(mcblasHandle_t handle,
int n,
const mcComplex *const A[],
int lda,
mcComplex *const Ainv[],
int lda_inv,
int *info,
int batchSize);
mcblasStatus_t mcblasZmatinvBatched(mcblasHandle_t handle,
int n,
const mcDoubleComplex *const A[],
int lda,
mcDoubleComplex *const Ainv[],
int lda_inv,
int *info,
int batchSize);
A 和 Ainv 是指向矩阵的指针数组，以列主格式存储，维度为 n*n，前导维度分别为 lda 和 lda_inv。
该函数执行 A[i] 矩阵反转，i = 0，…，batchSize-1。
此函数是 mcblas<t>getrfBatched 加 mcblas<t>getriBatched 的快捷方式。但如果 n 大于32，则此函数无效。如果此函数无效，用户必须使用 mcblas<t>getrfBatched 和 mcblas<t>getriBatched。
如果 A[i] 是奇异矩阵，则 info[i] 报告奇异性，与 mcblas<t>getrfBatched 相同。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
n |
input |
A[i]的行数和列数 |
|
A |
设备 |
input |
指向<type>数组的指针数组， 每个数组维度为n x n， 其中lda >=max(1,n) |
lda |
input |
用于存储矩阵A[i]的二维数组的前导维度 |
|
Ainv |
设备 |
output |
指向<type>数组的指针数组， 每个数组维度为n x n， 其中lda >=max(1,n) 。 矩阵Ainv[i]不应重叠； 否则，将出现未定义的行为。 |
lda_inv |
input |
用于存储矩阵Ainv[i]的二维数组的前导维度 |
|
info |
设备 |
output |
大小为 如果info=0，执行成功。 如果info = k，U(k,k)为0。 U恰好是奇异的，且反转失败。 |
batchSize |
input |
A中包含的指针数 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.6.7. mcblas<t>geqrfBatched()
mcblasStatus_t mcblasSgeqrfBatched(mcblasHandle_t handle,
int m,
int n,
float *const Aarray[],
int lda,
float *const TauArray[],
int *info,
int batchSize);
mcblasStatus_t mcblasDgeqrfBatched(mcblasHandle_t handle,
int m,
int n,
double *const Aarray[],
int lda,
double *const TauArray[],
int *info,
int batchSize);
mcblasStatus_t mcblasCgeqrfBatched(mcblasHandle_t handle,
int m,
int n,
mcComplex *const Aarray[],
int lda,
mcComplex *const TauArray[],
int *info,
int batchSize);
mcblasStatus_t mcblasZgeqrfBatched(mcblasHandle_t handle,
int m,
int n,
mcDoubleComplex *const Aarray[],
int lda,
mcDoubleComplex *const TauArray[],
int *info,
int batchSize);
Aarray 是一个指向矩阵的指针数组，以列主格式存储，维度为 m x n，前导维度为 lda。TauArray 是一个指针数组，指向维度至少为 max (1, min(m, n) 的向量。
该函数使用豪斯霍尔德（Householder）反射对每个 Aarray[i] 执行QR分解，i = 0, ...,batchSize-1。每个 Q[i] 矩阵表示初等反射算子（elementary reflector）的积，并存储在每个 Aarray[i] 的下半部分，如下所示：
Q[j] = H[j][1] H[j][2] . . . H[j](k), where k = min(m,n).
每个H[j][i]的形式为
H[j][i] = I - tau[j] * v * v'
其中tau[j]是一个实标量，而v是一个实向量，v(1:i-1) = 0且v(i) = 1。v(i+1:m)会存储在Aarray[j][i+1:m,i]中，tau存储在TauArray[j][i]中。
此函数用于较小的矩阵，其中启动开销是一个重要因素。
mcblas<t>geqrfBatched支持任意维度。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
m |
input |
Aarray[i]的行数 |
|
n |
input |
Aarray[i]的列数 |
|
Aarray |
设备 |
input |
指向<type>数组的指针数组， 每个数组维度为m x n， 其中lda >=max(1,m) |
lda |
input |
用于存储矩阵Aarray[i]的二维数组的前导维度 |
|
TauArray |
设备 |
output |
指向<type>数组的指针数组， 每个向量维度为max (1,min(m,n)) |
info |
设备 |
output |
如果info=0，则传递给函数的参数有效； 如果info<0，则postion-info中的参数无效 |
batchSize |
input |
A中包含的指针数 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.6.8. mcblas<t>gelsBatched()
mcblasStatus_t mcblasSgelsBatched(mcblasHandle_t handle,
mcblasOperation_t trans,
int m,
int n,
int nrhs,
float *const Aarray[],
int lda,
float *const Carray[],
int ldc,
int *info,
int *devInfoArray,
int batchSize );
mcblasStatus_t mcblasDgelsBatched(mcblasHandle_t handle,
mcblasOperation_t trans,
int m,
int n,
int nrhs,
double *const Aarray[],
int lda,
double *const Carray[],
int ldc,
int *info,
int *devInfoArray,
int batchSize );
mcblasStatus_t mcblasCgelsBatched(mcblasHandle_t handle,
mcblasOperation_t trans,
int m,
int n,
int nrhs,
mcComplex *const Aarray[],
int lda,
mcComplex *const Carray[],
int ldc,
int *info,
int *devInfoArray,
int batchSize );
mcblasStatus_t mcblasZgelsBatched(mcblasHandle_t handle,
mcblasOperation_t trans,
int m,
int n,
int nrhs,
mcDoubleComplex *const Aarray[],
int lda,
mcDoubleComplex *const Carray[],
int ldc,
int *info,
int *devInfoArray,
int batchSize );
Aarray 是一个指向矩阵的指针数组，以列主格式存储，维度为 m x n，前导维度为 lda。Carray 是一个指向矩阵的指针数组，以列主格式存储，维度为 n x nrhs，前导维度为 ldc。
该函数查找一组超定方程组（overdetermined systems）的最小二乘解（least squares solution），解决如下所述的最小二乘问题：
minimize || Carray[i] - Aarray[i]*Xarray[i] || , with i = 0, ...,batchSize-1
结束时，每个 Aarray[i] 都由其QR分解覆盖，每个 Carray[i] 都由最小二乘解覆盖。
mcblas<t>gelsBatched仅支持非转置操作，并且只求解超定方程组（m >=n）。
此函数用于较小的矩阵，其中启动开销是一个重要因素。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
trans |
input |
非转置或共轭转置运算op(Aarray[i])。 目前仅支持非转置运算 |
|
m |
input |
Aarray[i]的行数 |
|
n |
input |
每个Aarray[i]的列数和每个Carray[i]的行数 |
|
nrhs |
input |
每个Carray[i]的列数 |
|
Aarray |
设备 |
in/out |
指向<type>数组的指针数组。 每个数组维度为m x n， 其中lda >=max(1,m)。 矩阵Aarray[i]不应重叠； 否则，将出现未定义的行为。 |
lda |
input |
用于存储矩阵Aarray[i]的二维数组的前导维度 |
|
Carray |
设备 |
in/out |
指向<type>数组的指针数组。 每个数组维度为n x nrhs， 其中ldc >=max(1,m)。 矩阵Carray[i]不应重叠； 否则，将出现未定义的行为。 |
ldc |
input |
用于存储矩阵Aarray[i]的二维数组的前导维度 |
|
info |
设备 |
output |
如果info=0，则传递给函数的参数有效； 如果info<0，则postion-info中的参数无效 |
devInfoArray |
设备 |
output |
维度为batchsize的整数的可选数组。 如果不是null，则每个元素devInfoArray[i] 都包含一个值V，其含义如下： V = 0：第i个问题已成功解决； V > 0：Aarray[i]的第V个对角线元素为0。 数组Aarray[i]没有完整的秩。 |
batchSize |
input |
Aarray和Carray中包含的指针数 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
参数 |
|
此函数在GPU上启用失败 |
2.6.9. mcblas<t>tpttr()
mcblasStatus_t mcblasStpttr(mcblasHandle_t handle,
mcblasFillMode_t uplo,
int n,
const float *AP,
float *A,
int lda );
mcblasStatus_t mcblasDtpttr(mcblasHandle_t handle,
mcblasFillMode_t uplo,
int n,
const double *AP,
double *A,
int lda );
mcblasStatus_t mcblasCtpttr(mcblasHandle_t handle,
mcblasFillMode_t uplo,
int n,
const mcComplex *AP,
mcComplex *A,
int lda );
mcblasStatus_t mcblasZtpttr(mcblasHandle_t handle,
mcblasFillMode_t uplo
int n,
const mcDoubleComplex *AP,
mcDoubleComplex *A,
int lda );
此函数执行从三角压缩格式转换到三角格式。
如果 uplo == MCBLAS_FILL_MODE_LOWER，则 AP 的元素将复制到三角矩阵 A 的下三角部分，而 A 的上三角部分保持不变。如果 uplo == MCBLAS_FILL_MODE_UPPER，则 AP 的元素将复制到三角矩阵 A 的上三角部分，而 A 的下三角部分保持不变。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示矩阵 |
|
n |
input |
矩阵 |
|
AP |
设备 |
input |
以压缩格式存储 |
A |
设备 |
output |
<type>数组，维度为 |
lda |
input |
用于存储矩阵 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.6.10. mcblas<t>trttp()
mcblasStatus_t mcblasStrttp(mcblasHandle_t handle,
mcblasFillMode_t uplo,
int n,
const float *A,
int lda,
float *AP );
mcblasStatus_t mcblasDtrttp(mcblasHandle_t handle,
mcblasFillMode_t uplo,
int n,
const double *A,
int lda,
double *AP );
mcblasStatus_t mcblasCtrttp(mcblasHandle_t handle,
mcblasFillMode_t uplo,
int n,
const mcComplex *A,
int lda,
mcComplex *AP );
mcblasStatus_t mcblasZtrttp(mcblasHandle_t handle,
mcblasFillMode_t uplo,
int n,
const mcDoubleComplex *A,
int lda,
mcDoubleComplex *AP );
此函数执行从三角格式转换到三角压缩格式。
如果 uplo == MCBLAS_FILL_MODE_LOWER，则三角矩阵 A 的下三角部分将复制到 AP 数组中。如果 uplo == MCBLAS_FILL_MODE_UPPER，则三角矩阵 A 的上三角部分将复制到 AP 数组中。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示引用的是矩阵 |
|
n |
input |
矩阵 |
|
A |
设备 |
input |
<type>数组，维度为 |
lda |
input |
用于存储矩阵 |
|
AP |
设备 |
output |
以压缩格式存储 |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
此函数在GPU上启用失败 |
2.6.11. mcblas<t>gemmEx()
mcblasStatus_t mcblasSgemmEx(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m,
int n,
int k,
const float *alpha,
const void *A,
macaDataType_t Atype,
int lda,
const void *B,
macaDataType_t Btype,
int ldb,
const float *beta,
void *C,
macaDataType_t Ctype,
int ldc)
mcblasStatus_t mcblasCgemmEx(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m,
int n,
int k,
const mcComplex *alpha,
const void *A,
macaDataType_t Atype,
int lda,
const void *B,
macaDataType_t Btype,
int ldb,
const mcComplex *beta,
void *C,
macaDataType_t Ctype,
int ldc)
此函数是 mcblas<t>gemm. 的扩展。在此函数中，输入矩阵和输出矩阵可以具有较低的精度，但计算仍然以 <t> 类型完成。例如，mcblasSgemmEx 的 float 类型，mcblasCgemmEx 的 mcComplex 类型。
其中 \(\alpha\) 和 \(\beta\) 是标量，\(A\)、\(B\)、\(C\) 是以列主格式存储的矩阵，维度分别为 \(\text{op}(A)\) \(m \times k\)、\(\text{op}(B)\) \(k \times n\) 和 \(C\) \(m \times n\)。此外，对于矩阵 \(A\)，
对于矩阵 \(B\)，\(\text{op}(B)\) 的定义类似。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
transa |
input |
非转置或共轭转置运算op( |
|
transb |
input |
非转置或共轭转置运算op( |
|
m |
input |
矩阵op(A)和C的行数 |
|
n |
input |
矩阵op(B)和C的列数 |
|
k |
input |
op(A)的列数和op(B)的行数 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量。 |
A |
设备 |
input |
如果 |
Atype |
input |
枚举，指定矩阵 |
|
lda |
input |
用于存储矩阵 |
|
B |
设备 |
input |
如果 |
Btype |
input |
枚举，指定矩阵 |
|
ldb |
input |
用于存储矩阵 |
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，如果 |
C |
设备 |
in/out |
<type>数组，维度为 |
Ctype |
input |
枚举，指定矩阵 |
|
ldc |
input |
用于存储矩阵 |
mcblasSgemmEx 支持的矩阵类型组合如下所示：
C |
A/B |
|---|---|
|
|
|
|
|
|
|
|
|
|
|
mcblasCgemmEx 支持的矩阵类型组合如下所示：
C |
A/B |
|---|---|
|
|
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
当前函数功能在本设备上不支持 |
|
不支持参数 |
|
|
|
此函数在GPU上启用失败 |
2.6.12. mcblasGemmEx()
mcblasStatus_t mcblasGemmEx(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m,
int n,
int k,
const void *alpha,
const void *A,
macaDataType_t Atype,
int lda,
const void *B,
macaDataType_t Btype,
int ldb,
const void *beta,
void *C,
macaDataType_t Ctype,
int ldc,
mcblasComputeType_t computeType,
mcblasGemmAlgo_t algo)
#if defined(__cplusplus)
mcblasStatus_t mcblasGemmEx(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m,
int n,
int k,
const void *alpha,
const void *A,
macaDataType Atype,
int lda,
const void *B,
macaDataType Btype,
int ldb,
const void *beta,
void *C,
macaDataType Ctype,
int ldc,
mcblasComputeType computeType,
mcblasGemmAlgo_t algo)
#endif
此函数是 mcblas<t>gemm 的扩展，允许用户单独指定每个A、B、C矩阵的数据类型，计算精度和要运行的GEMM算法。本节进一步列出了支持的参数组合。
mcblasGemmEx 函数的第二个变量用于向后兼容C++应用程序代码，其中 computeType 参数是 macaDataType，而不是 mcblasComputeType_t。C应用程序仍将使用更新的函数签名进行编译。
其中 \(\alpha\) 和 \(\beta\) 是标量，\(A\)、\(B\)、\(C\) 是以列主格式存储的矩阵，维度分别为 \(\text{op}(A)\) \(m \times k\)、\(\text{op}(B)\) \(k \times n\) 和 \(C\) \(m \times n\)。此外，对于矩阵 \(A\)，
对于矩阵 \(B\)，\(\text{op}(B)\) 的定义类似。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
transa |
input |
非转置或共轭转置运算op( |
|
transb |
input |
非转置或共轭转置运算op( |
|
m |
input |
矩阵op(A)和C的行数 |
|
n |
input |
矩阵op(B)和C的列数 |
|
k |
input |
op(A)的列数和op(B)的行数 |
|
alpha |
主机或 设备 |
input |
computeType和Ctype对应类型的 A*B的缩放因子，详情请参见下表 |
A |
设备 |
input |
如果 |
Atype |
input |
枚举，指定矩阵 |
|
lda |
input |
用于存储矩阵 |
|
B |
设备 |
input |
如果 |
Btype |
input |
枚举，指定矩阵 |
|
ldb |
input |
用于存储矩阵 |
|
beta |
主机或 设备 |
input |
computeType和Ctype对应类型的C的缩放因子，
详情请参见下表。如果 |
C |
设备 |
in/out |
<type>数组，维度为 |
Ctype |
input |
枚举，指定矩阵 |
|
ldc |
input |
用于存储矩阵 |
|
computeType |
input |
指定计算类型的枚举 |
|
algo |
input |
指定算法的枚举 |
mcblasGemmEx 支持以下计算类型，缩放类型，Atype/Btype和Ctype：
计算类型 |
缩放类型 (alpha and beta) |
Atype/Btype |
Ctype |
|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
||
|
|
||
|
|
||
|
|
||
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
备注
MCBLAS_COMPUTE_32I 和 MCBLAS_COMPUTE_32I_PEDANTIC 计算类型仅支持A、B为4字节对齐，lda、ldb为4的倍数。
mcblasGemmEx 例程用于运行下表中的算法。
对于曦云系列GPU，以下算法分别等同于 MCBLAS_GEMM_DEFAULT 或 MCBLAS_GEMM_DEFAULT_TENSOR_OP。
为单精度操作指定算法>= 99，等同于使用 MCBLAS_COMPUTE_32F_FAST_16F 计算类型，即使将数学模式或计算类型指定为 MCBLAS_COMPUTE_32F 或 MCBLAS_COMPUTE_32F_FAST_TF32。
mcblasGemmAlgo_t |
含义 |
|---|---|
|
应用启发式算法选择GEMM算法 |
|
显式选择一个算法 |
|
应用启发式算法选择GEMM算法， 同时尽可能允许使用Tensor Core操作 |
|
显式选择GEMM算法， 并尽可能允许其使用Tensor Core操作，否则 回退到基于computeType的mcblas<t>gemmBatched |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
当前函数功能在本设备上不支持 |
|
不支持参数 |
|
|
|
此函数在GPU上启用失败 |
2.6.13. mcblasGemmBatchedEx()
mcblasStatus_t mcblasGemmBatchedEx(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m,
int n,
int k,
const void *alpha,
const void *Aarray[],
macaDataType_t Atype,
int lda,
const void *Barray[],
macaDataType_t Btype,
int ldb,
const void *beta,
void *Carray[],
macaDataType_t Ctype,
int ldc,
int batchCount,
mcblasComputeType_t computeType,
mcblasGemmAlgo_t algo)
#if defined(__cplusplus)
mcblasStatus_t mcblasGemmBatchedEx(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m,
int n,
int k,
const void *alpha,
const void *Aarray[],
macaDataType Atype,
int lda,
const void *Barray[],
macaDataType Btype,
int ldb,
const void *beta,
void *Carray[],
macaDataType Ctype,
int ldc,
int batchCount,
macaDataType computeType,
mcblasGemmAlgo_t algo)
#endif
此函数是 mcblas<t>gemmBatched 的扩展，执行一批矩阵的矩阵-矩阵乘法，并允许用户单独指定每个A、B、C矩阵数组的数据类型，计算精度和要运行的GEMM算法。与 mcblas<t>gemmBatched 相似，该批是“均匀”的，即所有实例对于各自的A、B、C矩阵具有相同的维度（m，n，k），前导维度（lda，ldb，ldc）和转置（transa，transb）。批处理的每个实例的输入矩阵和输出矩阵的地址都是从调用者传递给函数的指针数组中读取的。本节进一步列出了支持的参数组合。
备注
mcblasGemmBatchedEx 函数的第二个变量用于向后兼容C++应用程序代码，其中 computeType 参数是 macaDataType，而不是 mcblasComputeType_t。C应用程序仍将使用更新的函数签名进行编译。
其中 \(\alpha\) 和 \(\beta\) 是标量，\(A\)、\(B\)、\(C\) 是指针数组，指向以列主格式存储的矩阵，维度分别为 \(\text{op}(A\lbrack i\rbrack)\) \(m \times k\)，\(\text{op}(B\lbrack i\rbrack)\) \(k \times n\) 和 \(C\lbrack i\rbrack\) \(m \times n\)。此外，对于矩阵 \(A\)，
对于矩阵 \(B\lbrack i\rbrack\)，\(\text{op}(B\lbrack i\rbrack)\) 的定义类似。
备注
\(C\lbrack i\rbrack\) 矩阵不能重叠，即单个gemm操作必须独立计算；否则，会导致未定义行为。在某些problem size上，可能需要在不同的MXMACA流中多次调用 mcblas<t>gemm，而不是使用此API。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
transa |
input |
非转置或共轭转置运算op( |
|
transb |
input |
非转置或共轭转置运算op( |
|
m |
input |
矩阵op(A[i])和C[i]的行数 |
|
n |
input |
矩阵op(B[i])和C[i]的列数 |
|
k |
input |
op(A[i])的列数和op(B[i])的行数 |
|
alpha |
主机或 设备 |
input |
computeType和Ctype对应类型的A*B的缩放因子， 详情请参见下表 |
Aarray |
设备 |
input |
指向<Atype>数组的指针数组。
如果 所有指针都必须满足特定的对齐条件。 详情参见以下内容 |
Atype |
input |
枚举，指定矩阵 |
|
lda |
input |
用于存储矩阵 |
|
Barray |
设备 |
input |
指向<Btype>数组的指针数组。
如果 所有指针都必须满足特定的对齐条件。 详情参见以下内容 |
Btype |
input |
枚举，指定矩阵 |
|
ldb |
input |
用于存储矩阵 |
|
beta |
主机或 设备 |
input |
computeType和Ctype对应类型的 |
Carray |
设备 |
in/out |
指向<Ctype>数组的指针数组。维度为 所有指针都必须满足特定的对齐条件。 详情参见以下内容 |
Ctype |
input |
枚举，指定矩阵 |
|
ldc |
input |
用于存储每个矩阵 |
|
batchCount |
input |
Aarray、Barray和Carray中包含的指针数 |
|
computeType |
input |
指定计算类型的枚举 |
|
algo |
input |
指定算法的枚举 |
mcblasGemmBatchedEx 支持以下计算类型，缩放类型，Atype/Btype和Ctype：
计算类型 |
缩放类型 (alpha and beta) |
Atype/Btype |
Ctype |
|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
||
|
|
||
|
|
||
|
|
||
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
如果 Atype 是 MACA_R_16F 或 MACA_R_16BF；或者 computeType 是任意 FAST 选项；或者当数学模式或 algo 启用快速数学模式时，GPU内存中的指针（而非指针数组）必须正确对齐，以避免未对齐的内存访问错误。理想情况下，所有指针都至少对齐16个字节。否则，建议符合以下规则：
如果
k%8==0，则确保intptr_t(ptr) % 16 == 0如果
k%2==0，则确保intptr_t(ptr) % 4 == 0
MCBLAS_COMPUTE_32I 和 MCBLAS_COMPUTE_32I_PEDANTIC 计算类型仅支持所有 A[i]、B[i] 指针为4字节对齐，lda、ldb为4的倍数。为了获得更好的性能，建议满足IMMA内核对常规数据排序的要求。
mcblasGemmAlgo_t |
含义 |
|---|---|
|
应用启发式算法选择GEMM算法 |
|
显式选择一个算法 |
|
应用启发式算法选择GEMM算法， 同时尽可能允许使用Tensor Core操作 |
|
显式选择GEMM算法， 并尽可能允许其使用Tensor Core操作，否则 回退到基于computeType的mcblas<t>gemmBatched |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
当前函数功能在本设备上不支持 |
|
不支持参数 |
|
|
|
此函数在GPU上启用失败 |
2.6.14. mcblasGemmStridedBatchedEx()
mcblasStatus_t mcblasGemmStridedBatchedEx(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m,
int n,
int k,
const void *alpha,
const void *A,
macaDataType_t Atype,
int lda,
mcblas_stride strideA,
const void *B,
macaDataType_t Btype,
int ldb,
mcblas_stride strideB,
const void *beta,
void *C,
macaDataType_t Ctype,
int ldc,
mcblas_stride strideC,
int batchCount,
mcblasComputeType_t computeType,
mcblasGemmAlgo_t algo)
#if defined(__cplusplus)
mcblasStatus_t mcblasGemmStridedBatchedEx(mcblasHandle_t handle,
mcblasOperation_t transa,
mcblasOperation_t transb,
int m,
int n,
int k,
const void *alpha,
const void *A,
macaDataType Atype,
int lda,
mcblas_stride strideA,
const void *B,
macaDataType Btype,
int ldb,
mcblas_stride strideB,
const void *beta,
void *C,
macaDataType Ctype,
int ldc,
mcblas_stride strideC,
int batchCount,
macaDataType computeType,
mcblasGemmAlgo_t algo)
#endif
此函数是 mcblas<t>gemmStridedBatched 的扩展，执行一批矩阵的矩阵-矩阵乘法，并允许用户单独指定每个A、B、C矩阵的数据类型，计算精度和要运行的GEMM算法。
与 mcblas<t>gemmStridedBatched 相似，该批是“均匀”的，即所有实例对于各自的A、B、C矩阵具有相同的维度（m，n，k），前导维度（lda，ldb，ldc）和转置（transa，transb）。批处理中每个实例的输入矩阵A和B以及输出矩阵C的位置，与前一个实例中的位置在元素数量上有固定的偏移。第一个实例中指向矩阵A、B、C的指针，与元素数量的偏移量（strideA、strideB、strideC）一并由用户传入函数，这些偏移量决定了后续实例中输入矩阵和输出矩阵的位置。
备注
mcblasGemmStridedBatchedEx 函数的第二个变量用于向后兼容C++应用程序代码，其中 computeType 参数是 macaDataType_t，而不是 mcblasComputeType_t。C应用程序仍将使用更新的函数签名进行编译。
其中 \(\alpha\) 和 \(\beta\) 是标量，\(A\)、\(B\)、\(C\) 是指针数组，指向以列主格式存储的矩阵，维度分别为 \(\text{op}(A\lbrack i\rbrack)\) \(m \times k\)，\(\text{op}(B\lbrack i\rbrack)\) \(k \times n\) 和 \(C\lbrack i\rbrack\) \(m \times n\)。此外，对于矩阵 \(A\)，
对于矩阵 \(B\lbrack i\rbrack\)，\(\text{op}(B\lbrack i\rbrack)\) 的定义类似。
备注
\(C\lbrack i\rbrack\) 矩阵不能重叠，即单个gemm操作必须独立计算；否则，会导致未定义行为。在某些problem size上，可能需要在不同的MXMACA流中多次调用 mcblas<t>gemm，而不是使用此API。
在下表中，我们使用 A[i], B[i], C[i] 分别表示批处理的第i个实例中A、B、C矩阵，隐式假设它们分别是相对于 A[i-1], B[i-1], C[i-1] 的元素数量的偏移 strideA, strideB, strideC。偏移的单位是元素数量，不能为零。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
transa |
input |
非转置或共轭转置运算op( |
|
transb |
input |
非转置或共轭转置运算op( |
|
m |
input |
矩阵op(A[i])和C[i]的行数 |
|
n |
input |
矩阵op(B[i])和C[i]的列数 |
|
k |
input |
op(A[i])的列数和op(B[i])的行数 |
|
alpha |
主机或 设备 |
input |
computeType和Ctype对应类型的A*B的缩放因子， 详情请参见下表 |
A |
设备 |
input |
指向批处理第一个实例对应的<Atype>矩阵A的指针，
如果 |
Atype |
input |
枚举，指定矩阵 |
|
lda |
input |
用于存储矩阵 |
|
strideA |
input |
long long int类型的值，该值给出
|
|
B |
设备 |
input |
指向批处理第一个实例对应的<Btype>矩阵B的指针，
如果 |
Btype |
input |
枚举，指定矩阵 |
|
ldb |
input |
用于存储矩阵 |
|
strideB |
input |
long long int类型的值，该值给出
|
|
beta |
主机或 设备 |
input |
computeType和Ctype对应类型的C的缩放因子，
详情请参见下表。
如果 |
C |
设备 |
in/out |
指向批处理第一个实例对应的<Ctype>矩阵C的指针，
维度为 |
Ctype |
input |
枚举，指定矩阵 |
|
ldc |
input |
用于存储矩阵 |
|
strideC |
input |
long long int类型的值，该值给出
|
|
batchCount |
input |
批处理中要执行的GEMM数量 |
|
computeType |
input |
指定计算类型的枚举 |
|
algo |
input |
指定算法的枚举 |
mcblasGemmStridedBatchedEx 支持以下计算类型，缩放类型，Atype/Btype和Ctype：
计算类型 |
缩放类型 (alpha and beta) |
Atype/Btype |
Ctype |
|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
||
|
|
||
|
|
||
|
|
||
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
MCBLAS_COMPUTE_32I 和 MCBLAS_COMPUTE_32I_PEDANTIC 计算类型仅支持所有 A[i]、B[i] 指针为4字节对齐，lda、ldb为4的倍数。
mcblasGemmAlgo_t |
含义 |
|---|---|
|
应用启发式算法选择GEMM算法 |
|
显式选择一个算法 |
|
应用启发式算法选择GEMM算法， 同时尽可能允许使用Tensor Core操作 |
|
显式选择GEMM算法， 并尽可能允许其使用Tensor Core操作，否则 回退到基于computeType的mcblas<t>gemmBatched |
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
当前函数功能在本设备上不支持 |
|
不支持参数 |
|
|
|
此函数在GPU上启用失败 |
2.6.15. mcblasCsyrkEx()
mcblasStatus_t mcblasCsyrkEx(mcblasHandle_t handle,
mcblasFillMode_t uplo,
mcblasOperation_t trans,
int n,
int k,
const float *alpha,
const void *A,
macaDataType Atype,
int lda,
const float *beta,
mcComplex *C,
macaDataType Ctype,
int ldc)
此函数是 mcblasCsyrk 的扩展，其输入矩阵和输出矩阵可以具有较低的精度，但计算仍然以 mcComplex 类型完成。
此函数执行对称秩- \(k\) 校正
其中 \(\alpha\) 和 \(\beta\) 是标量，\(C\) 是以lower或upper模式存储的对称矩阵，\(A\) 是一个维度为 \(\text{op}(A)\) \(n \times k\) 的矩阵。此外，对于矩阵 \(A\)，
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或转置运算op(A) |
|
n |
input |
矩阵op(A)和C的行数 |
|
k |
input |
矩阵op(A)的列数 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
如果 |
Atype |
input |
枚举，指定矩阵 |
|
lda |
input |
用于存储矩阵 |
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，如果 |
C |
设备 |
in/out |
<type>数组，维度为 |
Ctype |
input |
枚举，指定矩阵 |
|
ldc |
input |
用于存储矩阵 |
mcblasCsyrkEx 支持的矩阵类型组合如下所示：
A |
C |
|---|---|
|
|
|
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
不支持参数 |
|
当前函数功能在本设备上不支持 |
|
此函数在GPU上启用失败 |
2.6.16. mcblasCsyrk3mEx()
mcblasStatus_t mcblasCsyrk3mEx(mcblasHandle_t handle,
mcblasFillMode_t uplo,
mcblasOperation_t trans,
int n,
int k,
const float *alpha,
const void *A,
macaDataType Atype,
int lda,
const float *beta,
mcComplex *C,
macaDataType Ctype,
int ldc)
此函数是 mcblasCsyrk 的扩展，其输入矩阵和输出矩阵可以具有较低的精度，但计算仍然以 mcComplex 类型完成。该例程使用高斯复杂度归约算法来实现，可使性能提升高达25%。
此函数执行对称秩- \(k\) 校正
其中 \(\alpha\) 和 \(\beta\) 是标量，\(C\) 是以lower或upper模式存储的对称矩阵，\(A\) 是一个维度为 \(\text{op}(A)\) \(n \times k\) 的矩阵。此外，对于矩阵 \(A\)，
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或转置运算op(A) |
|
n |
input |
矩阵op(A)和C的行数 |
|
k |
input |
矩阵op(A)的列数 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
如果 |
Atype |
input |
枚举，指定矩阵 |
|
lda |
input |
用于存储矩阵 |
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，如果 |
C |
设备 |
in/out |
<type>数组，维度为 |
Ctype |
input |
枚举，指定矩阵 |
|
ldc |
input |
用于存储矩阵 |
mcblasCsyrk3mEx 支持的矩阵类型组合如下所示：
A
C
MACA_C_8I
MACA_C_32F
MACA_C_32F
MACA_C_32F
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
不支持参数 |
|
当前函数功能在本设备上不支持 |
|
此函数在GPU上启用失败 |
2.6.17. mcblasCherkEx()
mcblasStatus_t mcblasCherkEx(mcblasHandle_t handle,
mcblasFillMode_t uplo,
mcblasOperation_t trans,
int n,
int k,
const float *alpha,
const void *A,
macaDataType Atype,
int lda,
const float *beta,
mcComplex *C,
macaDataType Ctype,
int ldc)
此函数是 mcblasCherk 的扩展，其输入矩阵和输出矩阵可以具有较低的精度，但计算仍然以 mcComplex 类型完成。
此函数执行厄米秩- \(k\) 校正
其中 \(\alpha\) 和 \(\beta\) 是标量，\(C\) 是以lower或upper模式存储的厄米矩阵，\(A\) 是一个维度为 \(\text{op}(A)\) \(n \times k\) 的矩阵。此外，对于矩阵 \(A\)，
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或共轭转置运算op(A) |
|
n |
input |
矩阵op(A)和C的行数 |
|
k |
input |
矩阵op(A)的列数 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
如果 |
Atype |
input |
枚举，指定矩阵 |
|
lda |
input |
用于存储矩阵 |
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，如果 |
C |
设备 |
in/out |
<type>数组，维度为 |
Ctype |
input |
枚举，指定矩阵 |
|
ldc |
input |
用于存储矩阵 |
mcblasCherkEx 支持的矩阵类型组合如下所示：
A
C
MACA_C_8I
MACA_C_32F
MACA_C_32F
MACA_C_32F
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
当前函数功能在本设备上不支持 |
|
不支持参数 |
|
此函数在GPU上启用失败 |
2.6.18. mcblasCherk3mEx()
mcblasStatus_t mcblasCherk3mEx(mcblasHandle_t handle,
mcblasFillMode_t uplo,
mcblasOperation_t trans,
int n,
int k,
const float *alpha,
const void *A,
macaDataType Atype,
int lda,
const float *beta,
mcComplex *C,
macaDataType Ctype,
int ldc)
此函数是 mcblasCherk 的扩展，其输入矩阵和输出矩阵可以具有较低的精度，但计算仍然以 mcComplex 类型完成。该例程使用高斯复杂度归约算法来实现，可使性能提升高达25%。
此函数执行厄米秩- \(k\) 校正
其中 \(\alpha\) 和 \(\beta\) 是标量，\(C\) 是以lower或upper模式存储的厄米矩阵，\(A\) 是一个维度为 \(\text{op}(A)\) \(n \times k\) 的矩阵。此外，对于矩阵 \(A\)，
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
uplo |
input |
指示存储的是矩阵 |
|
trans |
input |
非转置或共轭转置运算op(A) |
|
n |
input |
矩阵op(A)和C的行数 |
|
k |
input |
矩阵op(A)的列数 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
A |
设备 |
input |
如果 |
Atype |
input |
枚举，指定矩阵 |
|
lda |
input |
用于存储矩阵 |
|
beta |
主机或 设备 |
input |
用于乘法的<type>标量，如果 |
C |
设备 |
in/out |
<type>数组，维度为 |
Ctype |
input |
枚举，指定矩阵 |
|
ldc |
input |
用于存储矩阵 |
mcblasCherk3mEx 支持的矩阵类型组合如下所示：
A
C
MACA_C_8I
MACA_C_32F
MACA_C_32F
MACA_C_32F
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
|
|
不支持参数 |
|
当前函数功能在本设备上不支持 |
|
此函数在GPU上启用失败 |
2.6.19. mcblasNrm2Ex()
mcblasStatus_t mcblasNrm2Ex(mcblasHandle_t handle,
int n,
const void *x,
macaDataType xType,
int incx,
void *result,
macaDataType resultType,
macaDataType executionType)
此函数是 mcblas<t>nrm2 的API泛化，可在其中独立指定输入数据，输出数据和计算类型。
该函数计算向量 x 的欧几里德范数（Euclidean norm）。代码中使用多相模型累积来避免中间结果下溢和溢出，其结果相当于精确运算中的 \(\sqrt{\sum_{i = 1}^{n}\left( {\mathbf{x}\lbrack j\rbrack \times \mathbf{x}\lbrack j\rbrack} \right)}\)，其中 \(j = 1 + \left( {i - 1} \right)*\text{incx}\)。请注意，最后一个公式反映了基于1的索引，该索引用于与Fortran兼容。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
n |
input |
向量 |
|
x |
设备 |
input |
包含 |
xType |
input |
枚举，指定向量 |
|
incx |
input |
|
|
result |
主机或 设备 |
output |
结果范数，如果 |
resultType |
input |
枚举，指定 |
|
executionType |
input |
枚举，指定计算执行中的数据类型 |
mcblasNrm2Ex 支持的数据类型组合如下所示：
x |
result |
execution |
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
无法分配归约缓冲区 |
|
不支持参数 |
|
此函数在GPU上启用失败 |
|
|
2.6.20. mcblasAxpyEx()
mcblasStatus_t mcblasAxpyEx(mcblasHandle_t handle,
int n,
const void *alpha,
macaDataType alphaType,
const void *x,
macaDataType xType,
int incx,
void *y,
macaDataType yType,
int incy,
macaDataType executiontype);
此函数是 mcblas<t>axpy 的API泛化，可在其中独立指定输入数据，输出数据和计算类型。
该函数将向量 x 乘以标量 \(\alpha\)，并将其添加到 y 向量中，用结果覆盖最新向量。因此，执行的操作为 \(\mathbf{y}\lbrack j\rbrack = \alpha \times \mathbf{x}\lbrack k\rbrack + \mathbf{y}\lbrack j\rbrack\)，其中 \(i = 1,\ldots,n\)，\(k = 1 + \left( {i - 1} \right)*\text{incx}\)，\(j = 1 + \left( {i - 1} \right)*\text{incy}\)。请注意，最后两个公式反映了基于1的索引，该索引用于与Fortran兼容。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
n |
input |
向量x和y中的元素数 |
|
x |
设备 |
input |
包含 |
xType |
input |
枚举，指定向量 |
|
incx |
input |
|
|
y |
设备 |
in/out |
包含 |
yType |
input |
枚举，指定向量 |
|
incy |
input |
|
|
executionType |
input |
枚举，指定计算执行中的数据类型 |
mcblasAxpyEx 支持的数据类型组合如下所示：
x |
y |
execution |
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
不支持参数 |
|
此函数在GPU上启用失败 |
|
不支持参数 |
2.6.21. mcblasDotEx()
mcblasStatus_t mcblasDotEx(mcblasHandle_t handle,
int n,
const void *x,
macaDataType xType,
int incx,
const void *y,
macaDataType yType,
int incy,
void *result,
macaDataType resultType,
macaDataType executionType);
mcblasStatus_t mcblasDotcEx(mcblasHandle_t handle,
int n,
const void *x,
macaDataType xType,
int incx,
const void *y,
macaDataType yType,
int incy,
void *result,
macaDataType resultType,
macaDataType executionType);
这些函数是 mcblas<t>dot 和 mcblas<t>dotc 的API泛化，可在其中独立指定输入数据，输出数据和计算类型。
备注
mcblas<t>dotc 是共轭点积，mcblas<t>dotu 是未共轭点积。
该函数计算向量 x 和 y 的点积（dot product）。因此，结果为 \(\sum_{i = 1}^{n}\left( {\mathbf{x}\lbrack k\rbrack \times \mathbf{y}\lbrack j\rbrack} \right)\)，其中 \(k = 1 + \left( {i - 1} \right)*\text{incx}\)，\(j = 1 + \left( {i - 1} \right)*\text{incy}\)。请注意，在第一个方程中，如果函数名称以字符“c”结尾，则应使用x向量元素的共轭。最后两个公式反映了基于1的索引，该索引用于与Fortran兼容。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
n |
input |
向量x和y中的元素数 |
|
x |
设备 |
input |
包含 |
xType |
input |
枚举，指定向量 |
|
incx |
input |
|
|
y |
设备 |
input |
包含 |
yType |
input |
枚举，指定向量 |
|
incy |
input |
|
|
result |
主机或 设备 |
output |
结果点积，如果 |
resultType |
input |
枚举，指定 |
|
executionType |
input |
枚举，指定计算执行中的数据类型 |
mcblasDotEx 和 mcblasDotcEx 支持的数据类型组合如下所示：
x |
y |
result |
execution |
|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
无法分配归约缓冲区 |
|
不支持参数 |
|
此函数在GPU上启用失败 |
|
不支持参数 |
2.6.22. mcblasRotEx()
mcblasStatus_t mcblasRotEx(mcblasHandle_t handle,
int n,
void *x,
macaDataType xType,
int incx,
void *y,
macaDataType yType,
int incy,
const void *c, /* host or device pointer */
const void *s,
macaDataType csType,
macaDataType executiontype);
此函数是 mcblas<t>rot 的扩展，可在其中独立指定输入数据，输出数据，cosine/sine类型和计算类型。
该函数将吉文斯旋转（Givens rotation）矩阵（即，在x，y平面上逆时针旋转，旋转角度由cos(alpha)=c，sin(alpha)=s定义）：
\(G = \begin{pmatrix}
c & s \\
{- s} & c \\
\end{pmatrix}\)
应用到向量 x 和 y 中。
因此，结果为 \(\mathbf{x}\lbrack k\rbrack = c \times \mathbf{x}\lbrack k\rbrack + s \times \mathbf{y}\lbrack j\rbrack\) 和 \(\mathbf{y}\lbrack j\rbrack = - s \times \mathbf{x}\lbrack k\rbrack + c \times \mathbf{y}\lbrack j\rbrack\)，其中 \(k = 1 + \left( {i - 1} \right)*\text{incx}\)，\(j = 1 + \left( {i - 1} \right)*\text{incy}\)。请注意，最后两个公式反映了基于1的索引，该索引用于与Fortran兼容。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
n |
input |
向量x和y中的元素数 |
|
x |
设备 |
in/out |
包含 |
xType |
input |
枚举，指定向量 |
|
incx |
input |
|
|
y |
设备 |
in/out |
包含 |
yType |
input |
枚举，指定向量 |
|
incy |
input |
|
|
c |
主机或 设备 |
output |
旋转矩阵余弦元素 |
c |
主机或 设备 |
output |
旋转矩阵正弦元素 |
csType |
input |
枚举，指定c和s的数据类型 |
|
executionType |
input |
枚举，指定计算执行中的数据类型 |
mcblasRotEx 支持的数据类型组合如下所示：
executionType |
xType / yType |
csType |
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
此函数在GPU上启用失败 |
2.6.23. mcblasScalEx()
mcblasStatus_t mcblasScalEx(mcblasHandle_t handle,
int n,
const void *alpha,
macaDataType alphaType,
void *x,
macaDataType xType,
int incx,
macaDataType executionType);
该函数按标量 \(\alpha\) 缩放向量 x，并用结果覆盖该向量。因此，执行的操作为 \(\mathbf{x}\lbrack j\rbrack = \alpha \times \mathbf{x}\lbrack j\rbrack\)，其中 \(i = 1,\ldots,n\)，\(j = 1 + \left( {i - 1} \right)*\text{incx}\)。请注意，最后两个公式反映了基于1的索引，该索引用于与Fortran兼容。
参数 |
内存 |
In/out |
含义 |
|---|---|---|---|
handle |
input |
mcBLAS库上下文的句柄 |
|
alpha |
主机或 设备 |
input |
用于乘法的<type>标量 |
n |
input |
向量 |
|
x |
设备 |
in/out |
包含 |
xType |
input |
枚举，指定向量 |
|
incx |
input |
|
|
executionType |
input |
枚举，指定计算执行中的数据类型 |
mcblasScalEx 支持的数据类型组合如下所示：
x |
execution |
|---|---|
|
|
|
|
|
|
|
|
|
|
下面列出了此函数可能的返回值及其含义。
返回值 |
含义 |
|---|---|
|
操作成功 |
|
库未初始化 |
|
不支持参数 |
|
此函数在GPU上启用失败 |
|
不支持参数 |