BLAS 和 LAPACK#

选择 BLAS 和 LAPACK 库#

BLAS 和 LAPACK 库的选择，除了 OpenBLAS 默认选项外，是通过 Meson 构建选项实现的。例如，要选择普通的 libblas 和 liblapack（这通常是 Linux 发行版上的 Netlib BLAS/LAPACK，并且可以在 conda-forge 上在不同实现之间动态切换），请使用

$ # for a development build
$ python dev.py build -C-Dblas=blas -C-Dlapack=lapack

$ # to build and install a wheel
$ python -m build -Csetup-args=-Dblas=blas -Csetup-args=-Dlapack=lapack
$ pip install dist/scipy*.whl

$ # Or, with pip>=23.1, this works too:
$ python -m pip -Csetup-args=-Dblas=blas -Csetup-args=-Dlapack=lapack

其他应该可以工作的选项（只要它们通过 pkg-config 或 CMake 支持安装）包括 mkl、atlas、blis 和 accelerate。

请注意，Accelerate 和 scipy-openblas 在 dev.py 中都有更容易记住的标志，因为它们常用于开发。

$ python dev.py build --with-accelerate
$ python dev.py build --with-scipy-openblas

对于 Accelerate、MKL 或 scipy-openblas，不需要 -Dlapack 标志，因为我们可以确定这些选项的 BLAS 和 LAPACK 是相同的。例如，要使用 Accelerate 创建一个 wheel（仅限 macOS >=13.3），请使用

$ python -m build -Csetup-args=-Dblas=accelerate

使用 pkg-config 在非标准位置检测库#

BLAS 和 LAPACK 检测的底层工作方式是 Meson 首先尝试使用 pkg-config，然后使用 CMake 来发现指定的库。如果你只有一个独立的共享库文件（例如，/a/random/path/lib/ 中的 armpl_lp64.so 和 /a/random/path/include/ 中的相应头文件），那么你需要做的是制作你自己的 pkg-config 文件。它应该有一个匹配的名称（例如，armpl_lp64.pc），并且可以放在任何位置。应该设置 PKG_CONFIG_PATH 环境变量以指向 .pc 文件的位置。该文件的内容应为

libdir=/path/to/library-dir      # e.g., /a/random/path/lib
includedir=/path/to/include-dir  # e.g., /a/random/path/include
version=1.2.3                    # set to actual version
extralib=-lm -lpthread -lgfortran   # if needed, the flags to link in dependencies
Name: armpl_lp64
Description: ArmPL - Arm Performance Libraries
Version: ${version}
Libs: -L${libdir} -larmpl_lp64      # linker flags
Libs.private: ${extralib}
Cflags: -I${includedir}

为了检查这是否按预期工作，你应该能够运行

$ pkg-config --libs armpl_lp64
-L/path/to/library-dir -larmpl_lp64
$ pkg-config --cflags armpl_lp64
-I/path/to/include-dir

指定要使用的 Fortran ABI#

一些线性代数库是使用 g77 ABI（也称为“f2c 调用约定”）构建的，而另一些是使用 GFortran ABI 构建的，这两种 ABI 不兼容。因此，如果你使用 gfortran 构建 SciPy 并链接到像 MKL 这样使用 g77 ABI 构建的线性代数库，将会出现异常或段错误。SciPy 通过使用 ABI 包装器来解决此问题，这些包装器依赖 CBLAS API 来处理 BLAS API 中受此问题影响的少数函数。

请注意，SciPy 需要在构建时知道需要做什么，构建系统将自动检查线性代数库是否为 MKL 或 Accelerate（两者都始终使用 g77 ABI），如果是，则使用 CBLAS API 而不是 BLAS API。如果自动检测失败，或者用户想要覆盖此自动检测机制以针对普通 libblas/liblapack 进行构建（例如 conda-forge 就是这样做的），请使用 -Duse-g77-abi=true 构建选项。例如，

$ python -m build -C-Duse-g77-abi=true -Csetup-args=-Dblas=blas -Csetup-args=-Dlapack=lapack

正在进行中#

这些选项计划得到全面支持，但目前无法直接使用

  • ILP64（64位整数大小）构建：SciPy 的大部分功能支持使用 ILP64 BLAS/LAPACK。请注意，支持仍不完整，因此 SciPy 也需要 LP64（32位整数大小）BLAS/LAPACK。

  • 自动从多个可能的 BLAS 和 LAPACK 选项中选择，并根据用户提供的优先级顺序