Estoy tratando de usar Lapack para un cálculo de precisión de 128 bits de una matriz singular value decomposition (SVD) y descubrí que hay algo de magia en el compilador negro para lograr esto. El compilador Intel Fortran (ifort) admite la opción -r16
que indica al compilador que tome todas las variables declaradas como DOUBLE PRECISION
como reales de 128 bits. Así que he recopilado Lapack y BLAS usando:Uso de Lapack con precisión de 128 bits
ifort -O3 -r16 -c isamax.f -o isamax.o
ifort -O3 -r16 -c sasum.f -o sasum.o
...
Incorporar esto en mi programa (que es C++) Puedo utilizar el compilador Intel C++ (ICC) con la opción -Qoption,cpp,--extended_float_type
que crea un tipo de datos _Quad
que es un 128 variable de coma flotante de bit Mi ejemplo SVD se ve así:
#include "stdio.h"
#include "iostream"
#include "vector"
using namespace std;
typedef _Quad scalar;
//FORTRAN BINDING
extern "C" void dgesvd_(char *JOBU, char *JOBVT, int *M, int *N,
scalar *A, int *LDA,
scalar *S,
scalar *U, int *LDU,
scalar *VT, int *LDVT,
scalar *WORK, int *LWORK, int *INFO);
int main() {
cout << "Size of scalar: " << sizeof(scalar) << endl;
int N=2;
vector<scalar> A(N*N);
vector<scalar> S(N);
vector<scalar> U(N*N);
vector<scalar> VT(N*N);
// dummy input matrix
A[0] = 1.q;
A[1] = 2.q;
A[2] = 2.q;
A[3] = 3.q;
cout << "Input matrix: " << endl;
for(int i = 0; i < N; i++) {
for(int j = 0;j < N; j++)
cout << double(A[i*N+j]) << "\t";
cout << endl;
}
cout << endl;
char JOBU='A';
char JOBVT='A';
int LWORK=-1;
scalar test;
int INFO;
// allocate memory
dgesvd_(&JOBU, &JOBVT, &N, &N,
&A[0], &N,
&S[0],
&U[0], &N,
&VT[0], &N,
&test, &LWORK, &INFO);
LWORK=test;
int size=int(test);
cout<<"Needed workspace size: "<<int(test)<<endl<<endl;
vector<scalar> WORK(size);
// run...
dgesvd_(&JOBU, &JOBVT, &N, &N,
&A[0], &N,
&S[0],
&U[0], &N,
&VT[0], &N,
&WORK[0], &LWORK, &INFO);
// output as doubles
cout << "Singular values: " << endl;
for(int i = 0;i < N; i++)
cout << double(S[i]) << endl;
cout << endl;
cout << "U: " << endl;
for(int i = 0;i < N; i++) {
for(int j = 0;j < N; j++)
cout << double(U[N*i+j]) << "\t";
cout << endl;
}
cout << "VT: " << endl;
for(int i = 0;i < N; i++) {
for(int j = 0;j < N; j++)
cout << double(VT[N*i+j]) << "\t";
cout << endl;
}
return 0;
}
compilado con
icc test.cpp -g -Qoption,cpp,--extended_float_type -lifcore ../lapack-3.4.0/liblapack.a ../BLAS/blas_LINUX.a
todo funciona bien hasta aquí. Pero la salida es:
Size of scalar: 16 Input matrix: 1 2 2 3 Needed workspace size: 134 Singular values: inf inf U: -0.525731 -0.850651 -0.850651 0.525731 VT: -0.525731 0.850651 -0.850651 -0.525731
Comprobé que U y VT son correctos, pero los valores singulares obviamente no lo son. ¿Alguien tiene una idea de por qué sucede esto o cómo se podría eludir?
Gracias por su ayuda.
¿Este ejemplo funciona correctamente con la aritmética de doble precisión ordinaria? –
@Zhenya Sí, lo hace. Calcula los valores singulares correctos cuando se calculan con doble precisión ordinaria. (4.23607, 0.236068) – Maxwell
En ese caso, verificaría la rutina 'DBDSQR': hasta donde puedo ver desde el origen de la implementación de referencia (http://www.netlib.org/lapack/double/dgesvd. f), está calculando los valores singulares dados las matrices 'U' y' VT'. –