如何解决OpenBLAS 将仅使用 4 个线程，但有 32 个可用
最近，我在 Windows 10 上使用适用于 Linux 的 Windows 子系统安装了 OpenBLAS，以便我可以在 C++ 中运行优化的矩阵计算，但是我认为该库没有充分利用我正在运行它的硬件。
例如，如果我运行一个简单的 dgemm 调用来将两个 10,000x10,000 矩阵相乘，运行大约需要 10-11 秒，而 numpy 在完全相同大小的矩阵上运行，使用相同的数据类型 (double/float64)，只需 4-5 秒。查看任务管理器，似乎 numpy 能够使用我的 32 个线程中的大约 16 个，而 OpenBLAS 仅使用 4 个（这在我运行 openblas_get_num_threads() 时得到证实）
即使在明确告诉 OpenBLAS 使用更多之后，我仍然使用了 4 个线程，如下面的代码所示：
openblas_set_num_threads(8); // This should set the number of OpenBLAS threads to 8
goto_set_num_threads(8); // This should also set the number of OpenBLAS threads to 8
std::cout << "OpenBLAS number of threads: " << openblas_get_num_threads() << "\n"; // Always gives 4
std::cout << "Number of cores: " << openblas_get_num_procs() << "\n"; // 32 (correct)
std::cout << "Parallel type: " << openblas_get_parallel() << "\n"; // 1 -- Default parallel type -- i.e. no OpenMP
我的问题是，是否在 libopenblas.lib 文件或其他地方设置了 4 个线程的硬编码限制，或者我可以做些什么来使 dgemm 调用在更多线程上运行并且提高性能，理想情况下达到或超过 numpy 的时间？
提前致谢
============ 编辑 ============
我对此进行了更多研究，发现实际上设置了 4 个线程的限制，但是我找不到更改此设置的方法。我尝试在 make 配置中设置它，如下所示：
make MAX_THREADS=32 ...... 但这并没有改变任何东西。有没有办法解决这个问题？
这是我如何发现设置限制为 4：
std::cout << "Config type: " << openblas_get_config() << "\n"; // ... MAX_THREADS=4
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
