数据类型如何与 scipy.linalg.get_blas_functions 一起使用？

Question

我正在探索 python 中的 scipy.linalg.get_blas_function() 方法。但我注意到它在处理 numpy int 类型时遇到了一些困难。

输入

import scipy.linalg
import numpy as np

def blas(name, ndarray):
    arr = scipy.linalg.get_blas_funcs((name,), (ndarray,), dtype=ndarray.dtype)[0]
    return arr

blas_scal = blas('scal', np.array([], dtype=np.int32))
print "int32 --> %s" % (blas_scal.dtype)

blas_scal = blas('scal', np.array([], dtype=np.int64))
print "int64 --> %s" % (blas_scal.dtype)

blas_scal = blas('scal', np.array([], dtype=np.float32))
print "float32 --> %s" % (blas_scal.dtype)

blas_scal = blas('scal', np.array([], dtype=np.float64))
print "float64 --> %s" % (blas_scal.dtype)

输出

int32 --> float64
int64 --> float64
float32 --> float32
float64 --> float64

如您所见，当 get_blas_funcs() 为整数时，它似乎会忽略数据类型，并在您有任何类型的 numpy 整数时输出 float64。但是，使用 get_blas_funcs() 输入 numpy float32 或 numpy64 就可以了，并且在输出时不会更改 dtype。

这里发生了什么？ 这个函数如何处理数据类型？

Answer 1

一些通用的cmets：

• BLAS 与其说是一个库，不如说是一个规范
  • 有许多实现（Atlas、OpenBLAS、MKL），都或多或少都在同一个接口上工作
• BLAS 是关于浮点数学的
  • 可用前缀决定使用的类型 (see top left)
  • 有S：单精度，D：双精度，C复数单精度和Z复数双精度
    • （支持sometimes混合类型，例如：CS，ZD）
      • 例如，函数 scasum 使用复数输入数组并返回一个实数值。（上面的链接）
  • 一般不支持整数类型！
    • 似乎有一些想法可以支持这些想法（链接：1、2），但这肯定不常见（也许还没有强大/经过充分测试的支持）
    • 我很确定在任何大型库（numpy、scipy、sklearn、pandas）中都没有单一的类似整数的 BLAS 用法，如果没有所有可能的 BLAS 后端支持的标准，这当然很难（正如我所说：多个候选人！）
• 这意味着：您要的是一个不可用的函数（具有类整数类型的 scal）
  • 这意味着：需要进行强制转换！
  • 进行什么样的铸造，是一个设计决策：
    • 这里 似乎（如果需要，可能很容易检查代码）：
      • 如果键入受支持的类型之一，请保留它
        • float32 -> float32 (S -> S)
        • float64 -> 浮点 64 (D -> D)
      • 如果不是：转换为双精度/D（在 numpy/scipy 中或多或少是默认值！；比单精度更常见；至少现在！）
• 使用 BLAS 是非常低级的，每个尝试这样做的人都需要确保了解正确使用它所需的内容（不仅是类型；还有内存布局）！
  • 与scipy's warning比较：警告 这些函数几乎没有错误检查。错误使用它们可能会导致崩溃，因此最好使用 scipy.linalg 中的高级例程。
• 此处有些相关问题（显示这些缺失功能的含义）：Why is it faster to perform float by float matrix multiplication compared to int by int?