如何确保 numpy BLAS 库可用作动态加载库？

Question

theano 安装文档< /a> 声明，theano 将默认使用 numpy 中的 BLAS 库，如果“BLAS 库可作为动态加载库”。这似乎不适用于我的机器，请参阅错误消息。

• 我如何知道 numpy BLAS 库是否可动态加载？
• 如果 numpy BLAS 库不可动态加载，如何重新编译它们？

如果您需要更多信息，请注明！

错误消息

我们在用于 blas 的库的library_dir 中没有找到动态库。如果您使用ATLAS，请确保使用动态库对其进行编译。 /usr/bin/ld: 找不到 -lblas

附录

theano 库需要 numpy 和 BLAS 库等。我想如果你用 sudo apt-get install python- 安装它，numpy 就会附带 BLAS Ubuntu 下的 numpy python-scipy。

这是 /usr/lib64/python2.6/dist-packages/scipy/lib/blas 的文件列表

cblas.so  info.py   __init__.py   scons_support.py   setup.py     
fblas.so  info.pyc  __init__.pyc  scons_support.pyc  setup.pyc  
setupscons.py  test
setupscons.pyc

这是 distutils.__config__.show() 的输出是如下

blas_info:
    libraries = ['blas']
    library_dirs = ['/usr/lib64']
    language = f77

lapack_info:
    libraries = ['lapack']
    library_dirs = ['/usr/lib64']
    language = f77

atlas_threads_info:
  NOT AVAILABLE

blas_opt_info:
    libraries = ['blas']
    library_dirs = ['/usr/lib64']
    language = f77
    define_macros = [('NO_ATLAS_INFO', 1)]

atlas_blas_threads_info:
  NOT AVAILABLE

lapack_opt_info:
    libraries = ['lapack', 'blas']
    library_dirs = ['/usr/lib64']
    language = f77
    define_macros = [('NO_ATLAS_INFO', 1)]

atlas_info:
  NOT AVAILABLE

lapack_mkl_info:
  NOT AVAILABLE

blas_mkl_info:
  NOT AVAILABLE

atlas_blas_info:
  NOT AVAILABLE

mkl_info:
  NOT AVAILABLE

Answer 1

下载 Python 库的 Anaconda 发行版后，我在 Ubuntu 12.04 LTS 64 位上遇到了同样的问题。将 Theano 指向包含 libblas.so 的目录就可以解决这个问题。

$ THEANO_FLAGS=blas.ldflags="-L/usr/lib/-lblas" python rbm.py

Answer 2

在 ubuntu 中，在包管理器中，libblas.so 附带了 libblas3gf 包。
如果不知何故它不创建 libblas.so，而是创建 libblas.so.X，请手动创建一个符号链接，例如：

cd /usr/lib64
sudo ln -s libblas.so.3gf libblas.so

注意：这对我来说效果很好，但请阅读下面的评论。请记住，该软件包不会针对您的特定硬件进行优化（例如，阅读建议 ATLAS 的其他答案）。

Answer 3

在您的情况下，您应该查看 /usr/lib64 并查看 libblas 等是否可用作 .so 或 .so .X 文件。

重新编译 BLAS 并不简单，但您可以尝试为您的发行版安装相关的 ATLAS 软件包。

Answer 4

您的主要问题本质上是发行版维护人员是否正确安装了依赖项——对此我没有答案或解决方案。

不过，我确实有一个建议。 ATLAS 的构建并不难。获取源代码，解压，确保满足其依赖关系，然后开始配置和安装。采取步骤。依赖部分可能是该过程中最耗时的手动部分。

当然，然后你必须重新链接 numpy、theano 等。虽然我认识到这是一种痛苦（相信我，我为 Theano 和 Hannes Shulz & Andy Mueller 的 CSV 都经历过它），但你得到的好处是 BLAS 调整在您的硬件上以最佳方式运行。

Answer 5

如果安装了最新的足够版本的 numpy，theano 在所有情况下都将正常工作。

从这里开始，关心所使用的 blas 的唯一原因是速度。默认的 blas 非常慢。许多发行版再次编译 numpy 这个缓慢的 blas 版本。

获得更快的 blas 实施的一个简单/快速的方法是安装有关 atlas 和 atlas devel 的发行版包。这是一个优化的 blas 实现。

较新版本的Unbuntu，done中atlas的安装是这样的，numpy将开始使用它。因此无需在 Theano 上对此进行任何更改。我不知道其他发行版是否这样做。

检查 Theano 使用的 blas 是否快的最好方法是计时。为此，请在 bash 下运行此命令：

X=`python -c "import theano;import os.path; print os.path.split(theano.__file__)[0]"`
python ${X}/misc/check_blas.py

然后将运行速度与打印的其他比较结果进行比较。