測試mkldnn矩陣乘
需要將MKL_LIB_PATH="intel_2020.3.279/lib/intel64:intel_2020.3.279/mkl/lib/intel64"加入到LD_LIBRARY_PATH中。
example 目錄 intel_2020.3.279/mkl/examples/cblas/source/cblas_sgemmx.c 這是mkl自帶的example，還有cblas_gemm_s8u8s32x.c代表signed int8，unsigned int8，signed int32，對應(yīng)傳入的A、B、C矩陣數(shù)據(jù)類型，表示INT8量化加速接口。
編譯命令：
make libintel64 function=cblas_gemm_s8u8s32 compiler=gnu
make libintel64 function=cblas_sgemm compiler=gnu
可以指定編譯器為gnu還是intel的，也可以指定是并行多線程parallel還是單線程
Linux安裝oneDNN
先從git clone，然后需要指定make install的安裝目錄：
mkdir -p build && cd build
cmake -D CMAKE_INSTALL_PREFIX=/data1/duoren/oneDNN ..
make -j
make install
編譯程序時(shí)使用命令g++ -g -o sgemm -std=c++11 -I${DNNLROOT}/include -L${DNNLROOT}/lib64 cpu_sgemm_and_matmul.cpp -ldnnl
其中$DNNLROOT是make install的目錄，否則會(huì)報(bào)dnnl_config.h.in以及libdnnl.so找不到的錯(cuò)誤。
其中oneDNN/examples/tutorials/matmul/cpu_sgemm_and_matmul.cpp是測試矩陣乘接口的文件，但是要放到examples目錄下，因?yàn)樾枰雃xample_utils.hpp頭文件。
在onednn中，gemm有三種實(shí)現(xiàn)方案，gemm，static gemm和dynamic gemm。這些在mkl是沒有的。
舊版mkl-dnn的gemm使用的是mkl的gemm，mkl對于小矩陣的計(jì)算，速度并不快。舊版mkl-dnn主要是做cnn和lstm的優(yōu)化
onednn中，有兩個(gè)選擇，1繼續(xù)使用mkl的gemm，2使用新的gemm。
安裝OpenBlas
make
make install PREFIX=your_installation_directory
默認(rèn)安裝到/opt/OpenBLAS/lib，否則需要將其加到LD_LIBRARY_PATH。
編譯命令：g++ -g -o sgemm compare_sgemm_shgemm.c -I/opt/OpenBLAS/include -L/opt/OpenBLAS/lib/ -lopenblas
linux查看CPU型號
centos7.6 cat /proc/cpuinfo | grep name | cut -f2 -d: | uniq -c
ubuntu18.04 grep "model name" /proc/cpuinfo |awk -F ':' '{print $NF}'
IDC服務(wù)器：Intel(R) Xeon(R) CPU E5-2680 v4 @ 2.40GHz
MIT服務(wù)器：Intel(R) Core(TM) i7-7800X CPU @ 3.50GHz
