直到今天,我所做的大部分数值计算工作都是在matlab中完成的,matlab简单的语言特性和出色的运算速度不愧是理科生必备技能之一.
知乎上有一篇文章 如何写出比 MATLAB 更快的矩阵运算程序 其中有人解答了为何MATLAB不会轻易被超越的原因.
不过毕竟是收费软件,作为一个意志不坚定的反盗版者,我更加倾向于用开源的事物.加之最近在自学c++中,花了点时间找到了还算满意的解决方案,就是armadillo与openblas的组合.
附: eigen库的头文件在编译前如果不做预编译的话,会让编译时间变长到令人无法忍受的地步(比如求单位矩阵的特征值还要花上20s).
1. armadillo 和 openblas 在win下的安装过程
openblas的 主页地址
armadillo的 主页地址
由于openblas的主页中有作者(国人)已经编译好的适合win的库文件,所以直接下载就行(我下载的x64的版本).相应地,去armadillo那里也下载一下.
在visual studio中的 解决方案->属性->VC++目录->包含目录 中添加armadillo的include文件夹和openblas的lib文件夹,在包含目录下面的库目录里再次添加openblas的lib文件夹.
在 解决方案->属性->链接器->输入->附加依赖项 中填入 libopenblas.lib
这样就ok了,armadillo自带的有几个example的cpp可以编译下试试,如果有错误请参考openblas的作者写的这篇文章Windows上Armadillo如何使用OpenBLAS.
2. armadillo 和 openblas 在linux下的安装过程
linux下无非就是编译了,首先把openblas的源码下下来编译一下
git clone git://github.com/xianyi/OpenBLAS.git openblas
cd openblas/
make
sudo make install
其次是编译armadillo,编译前需要修改一下armadillo源码文件夹中\include\armadillo_bits\config.hpp文件,把下面两行的注释去掉
#define ARMA_USE_LAPACK
#define ARMA_USE_BLAS
这是为了使armadillo能够使用openblas的库(openblas自带lapack),接下来再编译armadillo
./configure
make
sudo make install
这样就ok了,需要注意的是别忘了在编译时加上 -larmadillo (例: g++ -g a.cpp -o a.out -larmadillo)
