如何用MKL.h实现C++矩阵向量乘法？oneMKL与串行实现对比需求

oneMKL 提供了 BLAS 库中的 cblas_sgemv 函数，专门用于单精度浮点数的矩阵-向量乘法。下面是替换串行实现的完整代码：

#include <mkl.h>
#include <iostream>
using namespace std;

#define MAX 3

float matA[3][3] = {{1.1, 2.2, 3.3}, {4.4, 5.5, 6.6}, {7.7, 8.8, 9.9}};
float matB[3] = {1, 2, 3};
float matC[3] = {0.0f}; // 初始化结果数组，避免未定义行为

void mkl_multiplication() {
    // cblas_sgemv 参数说明：
    // CblasRowMajor: 矩阵按行优先存储（C语言默认方式）
    // CblasNoTrans: 不转置矩阵A
    // MAX: 矩阵A的行数
    // MAX: 矩阵A的列数
    // 1.0f: 矩阵A的缩放因子alpha
    // matA[0]: 输入矩阵A的首地址
    // MAX: 矩阵A的领先维度（行优先存储时等于列数）
    // matB: 输入向量B的首地址
    // 1: 向量B的元素增量（连续存储设为1）
    // 0.0f: 结果向量C的缩放因子beta（设为0表示直接覆盖初始值）
    // matC: 输出向量C的首地址
    // 1: 向量C的元素增量（连续存储设为1）
    cblas_sgemv(CblasRowMajor, CblasNoTrans, MAX, MAX, 1.0f, matA[0], MAX, matB, 1, 0.0f, matC, 1);

    for (int i = 0; i < MAX; i++) {
        cout << matC[i] << endl;
    }
}

int main() {
    mkl_multiplication();
    return 0;
}

关键注意事项 #

• 结果数组初始化: 原串行代码中matC未初始化直接累加会触发未定义行为，oneMKL版本需显式初始化为0。
• 参数匹配: 确保CblasRowMajor（行优先）与C语言二维数组的存储方式一致，领先维度参数需与矩阵列数匹配。

性能对比建议 #

• 放大测试规模: 3x3的小矩阵无法体现oneMKL的并行优势，建议测试1000x1000及以上规模的矩阵。
• 添加计时逻辑: 使用oneMKL的dsecnd()函数或C++ <chrono>库统计运行时间：

  double start = dsecnd();
  // 执行乘法操作
  double end = dsecnd();
  cout << "耗时: " << (end - start) << " 秒" << endl;
  

• 开启编译优化: 在Visual Studio中设置项目属性 -> C/C++ -> 优化 -> 优化级别为O2，并确保链接oneMKL对应的平台库文件（32/64位、串行/并行版本）。

内容的提问来源于stack exchange，提问作者Anthony J. B.