blis-blas类线性代数库，作为一个独立的c-扩展。
blis的Python项目详细描述
cython blis：来自python和cython的快速blas类操作，没有撕裂
此存储库提供blis线性代数 作为独立的python c扩展的例程。
目前，我们只支持单线程执行，因为这实际上最适合我们的工作负载（ml推断）。
安装
您可以通过pip:
pip install blis
轮子应该是可用的，所以安装应该很快。如果您想从源安装，并且您在Windows上，则需要安装LLVM。
为替代架构构建blis
提供的控制盘应在x86_86体系结构上工作。不幸的是，我们目前还不知道如何为其他体系结构提供不同的轮子，而且我们不能提供一个在任何地方都能工作的二进制文件。因此，如果控制盘不适合您的CPU，您需要指定源代码分布，并使用blis arch环境变量告诉blis您的CPU体系结构。
a）使用通用拱支架安装
BLIS_ARCH="generic" pip install spacy --no-binary blis
b）建筑专用支架
为了编译blis，cython blisbundles为特定的体系结构编写makefile脚本，这些脚本是通过运行blis构建系统并记录命令来编译的。我们还没有每个架构的日志，因为有些架构我们还没有访问。
有关
建筑。例如，下面介绍如何为ARM体系结构构建支持Cortexa57：
git clone https://github.com/explosion/cython-blis &&cd cython-blis git pull && git submodule init && git submodule update && git submodule status python3 -m venv env3.6 source env3.6/bin/activate pip install -r requirements.txt ./bin/generate-make-jsonl linux cortexa57 BLIS_ARCH="coretexa57" python setup.py build_ext --inplace BLIS_ARCH="cortexa57" python setup.py bdist_wheel
祈祷吧，这将为你打造一个支撑平台的轮子。你
然后可以使用
blis/\u src/make/linux-cortexa57.jsonl和
blis/\u src/include/linux-cortexa57/blis.h文件以便运行：
BLIS_ARCH=cortexa57 pip install spacy --no-binary=blis
运行基准
安装后，运行一个小型矩阵乘法基准：
$ exportOMP_NUM_THREADS=1# Tell Numpy to only use one thread. $ python -m blis.benchmark Setting up data nO=384nI=384batch_size=2000. Running 1000 iterations Blis... Total: 11032014.6484 7.35 seconds Numpy (Openblas)... Total: 11032016.6016 16.81 seconds Blis einsum ab,cb->ca 8.10 seconds Numpy einsum ab,cb->ca Total: 5510596.19141 83.18 seconds
低性能是
是预期的，但是低的numpy.dot性能令人惊讶。链接numpy
与MKL相比，性能更佳：
Numpy (mkl_rt) gemm... Total: 11032011.71875 5.21 seconds
这些数字是指在Dell XPS 13 i7-7500u上的性能。运行 2015年MacBook Air的相同基准：
Blis... Total: 11032014.6484 8.89 seconds Numpy (Accelerate)... Total: 11032012.6953 6.68 seconds
显然，戴尔的numpy+openblas性能是个例外，因此很可能 编译和体系结构检测出现问题。
用法
提供了两个api：一个高级pythonapi和direct cython访问。python api最好的部分是 einsum函数， 它的工作原理和numpy的一样，但是有一些限制 直接映射到blis例程。示例用法：
fromblis.pyimporteinsumfromnumpyimportndarray,zerosdim_a=500dim_b=128dim_c=300arr1=ndarray((dim_a,dim_b))arr2=ndarray((dim_b,dim_c))out=zeros((dim_a,dim_c))einsum('ab,bc->ac',arr1,arr2,out=out)# Change dimension order of outputout=einsum('ab,bc->ca',arr1,arr2)assertout.shape==(dim_a,dim_c)# Matrix vector product, with transposed outputarr2=ndarray((dim_b,))out=einsum('ab,b->ba',arr1,arr2)assertout.shape==(dim_b,dim_a)
爱因斯坦的求和格式非常棒，所以
令人失望的是，它比调用tensordot
麻木的函数放弃了numpy版本的通用性，
这样就可以很容易地将调用映射到blis:
- 只有两个输入张量
- 最大二维
- 尺寸必须标有
A，B和C - 第一个参数的尺寸必须是
'a'（对于1D输入）或'ab'（对于2d输入）。
有了这些限制，只有15种有效的组合
对应于您使用gemm，gemv执行的所有操作，
ger和axpy函数。因此你可以忘记所有其他的
函数，只需使用einsum。以下是有效的einsum字符串
它们对应的调用和numpy等价物：
'a，a->；a'axpy（a，b）A+B'a，b->；ab'ger（a，b）外部（A，B）'a，b->；ba'ger（b，a）外部（B，A）'ab，a->；ab'批处理axpy（a，b）a*b'ab，a->；ba'批处理axpy（a，b，trans1=true）（a*b）.t'a b，b->；a'gemv（a，b）a*b'a b，a->；b'gemv（a，b，trans1=true）a.t*b'AB，AC->；CB'gemm（b，a，trans1=true，trans2=true）点（B.T，A）'AB，AC->；BC'gemm（a，b，trans1=true，trans2=false）点（A.T，B）'AB，BC->；AC'gemm（a，b，trans1=false，trans2=false）点（A，B）'ab，bc->；ca'gemm（b，a，trans1=false，trans2=true）点（B.T，A.T）'ab，ca->；bc'gemm（a，b，trans1=true，trans2=true）点（B，A.T）'ab，ca->；cb'gemm（b，a，trans1=false，trans2=false）点（b，a）'AB、CB->；AC'gemm（a，b，trans1=false，trans2=true）点（A.T，B.T）'ab，cb->；ca'gemm（b，a，trans1=false，trans2=true）点（B，A.T）我们还提供与底层的融合型Nogil cython绑定 blis线性代数库。融合类型是一种简单的模板机制， 只允许少量编译时通用编程：
cimportblis.cyA=<float*>calloc(nN*nI,sizeof(float))B=<float*>calloc(nO*nI,sizeof(float))C=<float*>calloc(nr_b0*nr_b1,sizeof(float))blis.cy.gemm(blis.cy.NO_TRANSPOSE,blis.cy.NO_TRANSPOSE,nO,nI,nN,1.0,A,nI,1,B,nO,1,1.0,C,nO,1)
我们需要时，已经添加了绑定。请提交拉取请求，如果 库缺少一些您需要的功能。
开发
要构建源程序包，应运行以下命令：
pip install blis0
这将使用
flame blis子模块。
更新生成文件
为了编译blis源代码，我们使用jsonl文件来提供 显式编译器标志。我们通过运行blis的构建来构建这些jsonl文件 系统，然后转换日志。这避免了我们必须复制 在python中构建系统：我们只是使用jsonl来生成一堆子流程 电话。为了支持新的操作系统/架构组合，我们必须提供 jsonl文件和头。
Linux
Linux构建文件需要在manylinux1 docker中生成 容器，以便与车轮制造过程兼容。
首先，安装Docker。然后按以下步骤启动容器：
pip install blis1
在容器中，以下命令应该检查repo和 为通用架构构建jsonl文件：
pip install blis2
然后从新的终端中，从容器中检索我们需要的两个文件：
pip install blis3
欢迎加入QQ群-->： 979659372
