Math Kernel Library - Versionsgeschichte

2003:DB:3F21:9E00:39A3:F505:4565:6ACB am 8. Januar 2024 um 09:40 Uhr

2024-01-08T09:40:18Z

← Nächstältere Version		Version vom 8. Januar 2024, 11:40 Uhr
Zeile 21:		Zeile 21:
	\|Dateien =		\|Dateien =
	}}		}}
	Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von ~~der Firma~~ [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>		Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>

	Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= https://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt, da dort weitaus langsamerer Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor 3–10<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt, obwohl möglicherweise vorhanden. Mittlerweile gibt es mehrere Workarounds, welche es erlauben, das nach CPU-Hersteller diskriminierende Verhalten der MKL zu umgehen.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref><ref>{{Internetquelle \|url=https://danieldk.eu/Posts/2020-08-31-MKL-Zen.html \|titel=Daniël de Kok: Intel MKL on AMD Zen \|abruf=2020-10-28}}</ref>		Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= https://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt, da dort weitaus langsamerer Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor 3–10<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt, obwohl möglicherweise vorhanden. Mittlerweile gibt es mehrere Workarounds, welche es erlauben, das nach CPU-Hersteller diskriminierende Verhalten der MKL zu umgehen.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref><ref>{{Internetquelle \|url=https://danieldk.eu/Posts/2020-08-31-MKL-Zen.html \|titel=Daniël de Kok: Intel MKL on AMD Zen \|abruf=2020-10-28}}</ref>

2003:E1:1737:2400:7857:873D:74FA:1A4E am 18. Mai 2022 um 18:19 Uhr

2022-05-18T18:19:00Z

← Nächstältere Version		Version vom 18. Mai 2022, 20:19 Uhr
Zeile 23:		Zeile 23:
	Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>		Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>

	Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= https://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt, da dort weitaus langsamerer Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor 3–10<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt, obwohl möglicherweise vorhanden. Mittlerweile gibt es mehrere Workarounds welche es erlauben, ~~dass~~ nach CPU Hersteller diskriminierende Verhalten der MKL zu umgehen.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref><ref>{{Internetquelle \|url=https://danieldk.eu/Posts/2020-08-31-MKL-Zen.html \|titel=Daniël de Kok: Intel MKL on AMD Zen \|abruf=2020-10-28}}</ref>		Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= https://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt, da dort weitaus langsamerer Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor 3–10<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt, obwohl möglicherweise vorhanden. Mittlerweile gibt es mehrere Workarounds, welche es erlauben, das nach CPU-Hersteller diskriminierende Verhalten der MKL zu umgehen.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref><ref>{{Internetquelle \|url=https://danieldk.eu/Posts/2020-08-31-MKL-Zen.html \|titel=Daniël de Kok: Intel MKL on AMD Zen \|abruf=2020-10-28}}</ref>

	Für die Nutzung wird eine Lizenz benötigt, wobei es eine kostenlose Community-License gibt. Die Bibliothek unterstützt [[C (Programmiersprache)\|C]], [[C++]] und [[Fortran]] nativ und ist mit [[Java (Programmiersprache)\|Java]], [[C-Sharp\|C#]], [[Python (Programmiersprache)\|Python]]<ref>{{Internetquelle \|url=https://www.heise.de/developer/meldung/Intel-konfektioniert-Distribution-fuer-Python-Entwickler-3143055.html \|titel=Intel konfektioniert Distribution für Python-Entwickler \|autor=Alexander Neumann \|hrsg=Heise Medien GmbH & Co. KG \|werk=[[Heise online\|heise Developer]] \|datum=2016-03-21 \|zugriff=2017-03-25 \|sprache=de}}</ref> und anderen Sprachen kompatibel.		Für die Nutzung wird eine Lizenz benötigt, wobei es eine kostenlose Community-License gibt. Die Bibliothek unterstützt [[C (Programmiersprache)\|C]], [[C++]] und [[Fortran]] nativ und ist mit [[Java (Programmiersprache)\|Java]], [[C-Sharp\|C#]], [[Python (Programmiersprache)\|Python]]<ref>{{Internetquelle \|url=https://www.heise.de/developer/meldung/Intel-konfektioniert-Distribution-fuer-Python-Entwickler-3143055.html \|titel=Intel konfektioniert Distribution für Python-Entwickler \|autor=Alexander Neumann \|hrsg=Heise Medien GmbH & Co. KG \|werk=[[Heise online\|heise Developer]] \|datum=2016-03-21 \|zugriff=2017-03-25 \|sprache=de}}</ref> und anderen Sprachen kompatibel.

Aka: https, Links normiert

2021-02-09T20:26:09Z

https, Links normiert

← Nächstältere Version		Version vom 9. Februar 2021, 22:26 Uhr
Zeile 23:		Zeile 23:
	Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>		Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>

	Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= ~~http~~://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt, da dort weitaus langsamerer Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor 3–10<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt, obwohl möglicherweise vorhanden. Mittlerweile gibt es mehrere Workarounds welche es erlauben, dass nach CPU Hersteller diskriminierende Verhalten der MKL zu umgehen.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref><ref>{{Internetquelle \|url=https://danieldk.eu/Posts/2020-08-31-MKL-Zen.html \|titel=Daniël de Kok: Intel MKL on AMD Zen \|abruf=2020-10-28}}</ref>		Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= https://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt, da dort weitaus langsamerer Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor 3–10<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt, obwohl möglicherweise vorhanden. Mittlerweile gibt es mehrere Workarounds welche es erlauben, dass nach CPU Hersteller diskriminierende Verhalten der MKL zu umgehen.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref><ref>{{Internetquelle \|url=https://danieldk.eu/Posts/2020-08-31-MKL-Zen.html \|titel=Daniël de Kok: Intel MKL on AMD Zen \|abruf=2020-10-28}}</ref>

	Für die Nutzung wird eine Lizenz benötigt, wobei es eine kostenlose Community-License gibt. Die Bibliothek unterstützt [[C (Programmiersprache)\|C]], [[C++]] und [[Fortran]] nativ und ist mit [[Java (Programmiersprache)\|Java]], [[C-Sharp\|C#]], [[Python (Programmiersprache)\|Python]]<ref>{{Internetquelle \|url=https://www.heise.de/developer/meldung/Intel-konfektioniert-Distribution-fuer-Python-Entwickler-3143055.html \|titel=Intel konfektioniert Distribution für Python-Entwickler \|autor=Alexander Neumann \|hrsg=Heise Medien GmbH & Co. KG \|werk=[[Heise online\|heise Developer]] \|datum=2016-03-21 \|zugriff=2017-03-25 \|sprache=de}}</ref> und anderen Sprachen kompatibel.		Für die Nutzung wird eine Lizenz benötigt, wobei es eine kostenlose Community-License gibt. Die Bibliothek unterstützt [[C (Programmiersprache)\|C]], [[C++]] und [[Fortran]] nativ und ist mit [[Java (Programmiersprache)\|Java]], [[C-Sharp\|C#]], [[Python (Programmiersprache)\|Python]]<ref>{{Internetquelle \|url=https://www.heise.de/developer/meldung/Intel-konfektioniert-Distribution-fuer-Python-Entwickler-3143055.html \|titel=Intel konfektioniert Distribution für Python-Entwickler \|autor=Alexander Neumann \|hrsg=Heise Medien GmbH & Co. KG \|werk=[[Heise online\|heise Developer]] \|datum=2016-03-21 \|zugriff=2017-03-25 \|sprache=de}}</ref> und anderen Sprachen kompatibel.

	Im Bereich der [[Numerische lineare Algebra\|numerischen linearen Algebra]] sind BLAS und LAPACK enthalten und um performantere Berechnungen erweitert worden. Dazu zählen etwa [[~~Gaußsches_Eliminationsverfahren~~#LR-Zerlegung\|LR]]-, [[Cholesky-Zerlegung\|Cholesky]]- und [[QR-Zerlegung]], [[Eigenwertproblem]]e sowie die [[Methode der kleinsten Quadrate]]. Die Math Kernel Library enthält schnelle Fourier-Transformationen (FFT) für beliebig viele Dimensionen und unterschiedliche Datentypen. Ebenso wie die FFTs ist auch LAPACK als Clusterversion enthalten. Vektormathematische Funktionen sind mit [[Einfache Genauigkeit\|einfacher]] und [[Doppelte Genauigkeit\|doppelter Genauigkeit]] implementiert sowie für [[Komplexe Zahl\|komplexe]] und [[Gleitkommazahl]]en verfügbar. Im Bereich Statistik gibt es unter anderem [[Zufallszahlengenerator]]en und [[Wahrscheinlichkeitsverteilung]]en. Es sind verschiedene [[Spline]]s zur [[Interpolation (Mathematik)\|Interpolation]] enthalten. Die Math Kernel Library verfügt über Funktionen für [[Neuronales Netz\|neuronale Netze]] (z. B. [[Backpropagation]]).<ref>{{Internetquelle \|url=https://software.intel.com/en-us/intel-mkl/details\|titel=Intel Math Kernel Library \|autor=Intel \|hrsg=Intel Corp. \|werk=Intel \|datum= \|zugriff=2017-03-25 \|sprache=en}}</ref>		Im Bereich der [[Numerische lineare Algebra\|numerischen linearen Algebra]] sind BLAS und LAPACK enthalten und um performantere Berechnungen erweitert worden. Dazu zählen etwa [[Gaußsches Eliminationsverfahren#LR-Zerlegung\|LR]]-, [[Cholesky-Zerlegung\|Cholesky]]- und [[QR-Zerlegung]], [[Eigenwertproblem]]e sowie die [[Methode der kleinsten Quadrate]]. Die Math Kernel Library enthält schnelle Fourier-Transformationen (FFT) für beliebig viele Dimensionen und unterschiedliche Datentypen. Ebenso wie die FFTs ist auch LAPACK als Clusterversion enthalten. Vektormathematische Funktionen sind mit [[Einfache Genauigkeit\|einfacher]] und [[Doppelte Genauigkeit\|doppelter Genauigkeit]] implementiert sowie für [[Komplexe Zahl\|komplexe]] und [[Gleitkommazahl]]en verfügbar. Im Bereich Statistik gibt es unter anderem [[Zufallszahlengenerator]]en und [[Wahrscheinlichkeitsverteilung]]en. Es sind verschiedene [[Spline]]s zur [[Interpolation (Mathematik)\|Interpolation]] enthalten. Die Math Kernel Library verfügt über Funktionen für [[Neuronales Netz\|neuronale Netze]] (z. B. [[Backpropagation]]).<ref>{{Internetquelle \|url=https://software.intel.com/en-us/intel-mkl/details\|titel=Intel Math Kernel Library \|autor=Intel \|hrsg=Intel Corp. \|werk=Intel \|datum= \|zugriff=2017-03-25 \|sprache=en}}</ref>

	<!-- == Literatur == -->		<!-- == Literatur == -->

91.63.112.210: Neuer Workaround als Quelle verlinkt

2020-10-28T12:19:51Z

Neuer Workaround als Quelle verlinkt

← Nächstältere Version		Version vom 28. Oktober 2020, 14:19 Uhr
Zeile 23:		Zeile 23:
	Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>		Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>

	Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= http://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt, da dort weitaus langsamerer Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor 3–10<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt, obwohl möglicherweise vorhanden. Mittlerweile gibt es ~~Hotfixes~~ ~~zum~~ ~~vorübergehenden~~ ~~Wiederherstellen~~ der ~~verlorenen~~ ~~Performance~~.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref>		Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= http://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt, da dort weitaus langsamerer Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor 3–10<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt, obwohl möglicherweise vorhanden. Mittlerweile gibt es mehrere Workarounds welche es erlauben, dass nach CPU Hersteller diskriminierende Verhalten der MKL zu umgehen.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref><ref>{{Internetquelle \|url=https://danieldk.eu/Posts/2020-08-31-MKL-Zen.html \|titel=Daniël de Kok: Intel MKL on AMD Zen \|abruf=2020-10-28}}</ref>

	Für die Nutzung wird eine Lizenz benötigt, wobei es eine kostenlose Community-License gibt. Die Bibliothek unterstützt [[C (Programmiersprache)\|C]], [[C++]] und [[Fortran]] nativ und ist mit [[Java (Programmiersprache)\|Java]], [[C-Sharp\|C#]], [[Python (Programmiersprache)\|Python]]<ref>{{Internetquelle \|url=https://www.heise.de/developer/meldung/Intel-konfektioniert-Distribution-fuer-Python-Entwickler-3143055.html \|titel=Intel konfektioniert Distribution für Python-Entwickler \|autor=Alexander Neumann \|hrsg=Heise Medien GmbH & Co. KG \|werk=[[Heise online\|heise Developer]] \|datum=2016-03-21 \|zugriff=2017-03-25 \|sprache=de}}</ref> und anderen Sprachen kompatibel.		Für die Nutzung wird eine Lizenz benötigt, wobei es eine kostenlose Community-License gibt. Die Bibliothek unterstützt [[C (Programmiersprache)\|C]], [[C++]] und [[Fortran]] nativ und ist mit [[Java (Programmiersprache)\|Java]], [[C-Sharp\|C#]], [[Python (Programmiersprache)\|Python]]<ref>{{Internetquelle \|url=https://www.heise.de/developer/meldung/Intel-konfektioniert-Distribution-fuer-Python-Entwickler-3143055.html \|titel=Intel konfektioniert Distribution für Python-Entwickler \|autor=Alexander Neumann \|hrsg=Heise Medien GmbH & Co. KG \|werk=[[Heise online\|heise Developer]] \|datum=2016-03-21 \|zugriff=2017-03-25 \|sprache=de}}</ref> und anderen Sprachen kompatibel.

Denniss: 2020 ist die aktuelle Version

2020-03-30T21:32:15Z

2020 ist die aktuelle Version

← Nächstältere Version		Version vom 30. März 2020, 23:32 Uhr
Zeile 9:		Zeile 9:
	\|Management =		\|Management =
	\|Erscheinungsjahr = 2003		\|Erscheinungsjahr = 2003
	\|AktuelleVersion = MKL ~~2019.5~~		\|AktuelleVersion = MKL 2020
	\|AktuelleVersionFreigabeDatum = 11. Dezember 2019		\|AktuelleVersionFreigabeDatum = 11. Dezember 2019
	\|AktuelleVorabVersion =		\|AktuelleVorabVersion =

2003:DB:3F05:5800:14DC:44B2:4A7A:52FB am 30. März 2020 um 21:14 Uhr

2020-03-30T21:14:06Z

← Nächstältere Version		Version vom 30. März 2020, 23:14 Uhr
Zeile 9:		Zeile 9:
	\|Management =		\|Management =
	\|Erscheinungsjahr = 2003		\|Erscheinungsjahr = 2003
	\|AktuelleVersion = MKL 19.4		\|AktuelleVersion = MKL 2019.5
	\|AktuelleVersionFreigabeDatum = 11. Dezember 2019		\|AktuelleVersionFreigabeDatum = 11. Dezember 2019
	\|AktuelleVorabVersion =		\|AktuelleVorabVersion =

Denniss am 12. Dezember 2019 um 00:53 Uhr

2019-12-12T00:53:55Z

← Nächstältere Version		Version vom 12. Dezember 2019, 02:53 Uhr
Zeile 29:		Zeile 29:
	Im Bereich der [[Numerische lineare Algebra\|numerischen linearen Algebra]] sind BLAS und LAPACK enthalten und um performantere Berechnungen erweitert worden. Dazu zählen etwa [[Gaußsches_Eliminationsverfahren#LR-Zerlegung\|LR]]-, [[Cholesky-Zerlegung\|Cholesky]]- und [[QR-Zerlegung]], [[Eigenwertproblem]]e sowie die [[Methode der kleinsten Quadrate]]. Die Math Kernel Library enthält schnelle Fourier-Transformationen (FFT) für beliebig viele Dimensionen und unterschiedliche Datentypen. Ebenso wie die FFTs ist auch LAPACK als Clusterversion enthalten. Vektormathematische Funktionen sind mit [[Einfache Genauigkeit\|einfacher]] und [[Doppelte Genauigkeit\|doppelter Genauigkeit]] implementiert sowie für [[Komplexe Zahl\|komplexe]] und [[Gleitkommazahl]]en verfügbar. Im Bereich Statistik gibt es unter anderem [[Zufallszahlengenerator]]en und [[Wahrscheinlichkeitsverteilung]]en. Es sind verschiedene [[Spline]]s zur [[Interpolation (Mathematik)\|Interpolation]] enthalten. Die Math Kernel Library verfügt über Funktionen für [[Neuronales Netz\|neuronale Netze]] (z. B. [[Backpropagation]]).<ref>{{Internetquelle \|url=https://software.intel.com/en-us/intel-mkl/details\|titel=Intel Math Kernel Library \|autor=Intel \|hrsg=Intel Corp. \|werk=Intel \|datum= \|zugriff=2017-03-25 \|sprache=en}}</ref>		Im Bereich der [[Numerische lineare Algebra\|numerischen linearen Algebra]] sind BLAS und LAPACK enthalten und um performantere Berechnungen erweitert worden. Dazu zählen etwa [[Gaußsches_Eliminationsverfahren#LR-Zerlegung\|LR]]-, [[Cholesky-Zerlegung\|Cholesky]]- und [[QR-Zerlegung]], [[Eigenwertproblem]]e sowie die [[Methode der kleinsten Quadrate]]. Die Math Kernel Library enthält schnelle Fourier-Transformationen (FFT) für beliebig viele Dimensionen und unterschiedliche Datentypen. Ebenso wie die FFTs ist auch LAPACK als Clusterversion enthalten. Vektormathematische Funktionen sind mit [[Einfache Genauigkeit\|einfacher]] und [[Doppelte Genauigkeit\|doppelter Genauigkeit]] implementiert sowie für [[Komplexe Zahl\|komplexe]] und [[Gleitkommazahl]]en verfügbar. Im Bereich Statistik gibt es unter anderem [[Zufallszahlengenerator]]en und [[Wahrscheinlichkeitsverteilung]]en. Es sind verschiedene [[Spline]]s zur [[Interpolation (Mathematik)\|Interpolation]] enthalten. Die Math Kernel Library verfügt über Funktionen für [[Neuronales Netz\|neuronale Netze]] (z. B. [[Backpropagation]]).<ref>{{Internetquelle \|url=https://software.intel.com/en-us/intel-mkl/details\|titel=Intel Math Kernel Library \|autor=Intel \|hrsg=Intel Corp. \|werk=Intel \|datum= \|zugriff=2017-03-25 \|sprache=en}}</ref>

	<!-- == Literatur == -->== Weblinks ==		<!-- == Literatur == -->
			== Weblinks ==
	* [https://software.intel.com/en-us/intel-mkl Offizielle Website]		* [https://software.intel.com/en-us/intel-mkl Offizielle Website]

HilberTraum: /* Einleitung */ Kleinigkeiten

2019-12-11T19:21:46Z

Einleitung: Kleinigkeiten

← Nächstältere Version		Version vom 11. Dezember 2019, 21:21 Uhr
Zeile 23:		Zeile 23:
	Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>		Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>

	Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= http://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt da dort weitaus ~~langsamer~~ Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor ~~3-10~~<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt obwohl möglicherweise vorhanden. Mittlerweile gibt es Hotfixes zum vorübergehenden Wiederherstellen der verlorenen Performance.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref>		Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= http://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt, da dort weitaus langsamerer Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor 3–10<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt, obwohl möglicherweise vorhanden. Mittlerweile gibt es Hotfixes zum vorübergehenden Wiederherstellen der verlorenen Performance.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref>

	Für die Nutzung wird eine Lizenz benötigt, wobei es eine kostenlose Community-License gibt. Die Bibliothek unterstützt [[C (Programmiersprache)\|C]], [[C++]] und [[Fortran]] nativ und ist mit [[Java (Programmiersprache)\|Java]], [[C-Sharp\|C#]], [[Python (Programmiersprache)\|Python]]<ref>{{Internetquelle \|url=https://www.heise.de/developer/meldung/Intel-konfektioniert-Distribution-fuer-Python-Entwickler-3143055.html \|titel=Intel konfektioniert Distribution für Python-Entwickler \|autor=Alexander Neumann \|hrsg=Heise Medien GmbH & Co. KG \|werk=[[Heise online\|heise Developer]] \|datum=2016-03-21 \|zugriff=2017-03-25 \|sprache=de}}</ref> und anderen Sprachen kompatibel.		Für die Nutzung wird eine Lizenz benötigt, wobei es eine kostenlose Community-License gibt. Die Bibliothek unterstützt [[C (Programmiersprache)\|C]], [[C++]] und [[Fortran]] nativ und ist mit [[Java (Programmiersprache)\|Java]], [[C-Sharp\|C#]], [[Python (Programmiersprache)\|Python]]<ref>{{Internetquelle \|url=https://www.heise.de/developer/meldung/Intel-konfektioniert-Distribution-fuer-Python-Entwickler-3143055.html \|titel=Intel konfektioniert Distribution für Python-Entwickler \|autor=Alexander Neumann \|hrsg=Heise Medien GmbH & Co. KG \|werk=[[Heise online\|heise Developer]] \|datum=2016-03-21 \|zugriff=2017-03-25 \|sprache=de}}</ref> und anderen Sprachen kompatibel.

Steffen Eilers: neuen Absatz zurück integriert

2019-12-11T17:32:14Z

neuen Absatz zurück integriert

← Nächstältere Version		Version vom 11. Dezember 2019, 19:32 Uhr
Zeile 23:		Zeile 23:
	Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>		Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>

	Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= http://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt da dort weitaus langsamer Programmcode läuft als nötig, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt obwohl möglicherweise vorhanden.		Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= http://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt da dort weitaus langsamer Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor 3-10<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt obwohl möglicherweise vorhanden. Mittlerweile gibt es Hotfixes zum vorübergehenden Wiederherstellen der verlorenen Performance.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref>

	Für die Nutzung wird eine Lizenz benötigt, wobei es eine kostenlose Community-License gibt. Die Bibliothek unterstützt [[C (Programmiersprache)\|C]], [[C++]] und [[Fortran]] nativ und ist mit [[Java (Programmiersprache)\|Java]], [[C-Sharp\|C#]], [[Python (Programmiersprache)\|Python]]<ref>{{Internetquelle \|url=https://www.heise.de/developer/meldung/Intel-konfektioniert-Distribution-fuer-Python-Entwickler-3143055.html \|titel=Intel konfektioniert Distribution für Python-Entwickler \|autor=Alexander Neumann \|hrsg=Heise Medien GmbH & Co. KG \|werk=[[Heise online\|heise Developer]] \|datum=2016-03-21 \|zugriff=2017-03-25 \|sprache=de}}</ref> und anderen Sprachen kompatibel.		Für die Nutzung wird eine Lizenz benötigt, wobei es eine kostenlose Community-License gibt. Die Bibliothek unterstützt [[C (Programmiersprache)\|C]], [[C++]] und [[Fortran]] nativ und ist mit [[Java (Programmiersprache)\|Java]], [[C-Sharp\|C#]], [[Python (Programmiersprache)\|Python]]<ref>{{Internetquelle \|url=https://www.heise.de/developer/meldung/Intel-konfektioniert-Distribution-fuer-Python-Entwickler-3143055.html \|titel=Intel konfektioniert Distribution für Python-Entwickler \|autor=Alexander Neumann \|hrsg=Heise Medien GmbH & Co. KG \|werk=[[Heise online\|heise Developer]] \|datum=2016-03-21 \|zugriff=2017-03-25 \|sprache=de}}</ref> und anderen Sprachen kompatibel.
Zeile 29:		Zeile 29:
	Im Bereich der [[Numerische lineare Algebra\|numerischen linearen Algebra]] sind BLAS und LAPACK enthalten und um performantere Berechnungen erweitert worden. Dazu zählen etwa [[Gaußsches_Eliminationsverfahren#LR-Zerlegung\|LR]]-, [[Cholesky-Zerlegung\|Cholesky]]- und [[QR-Zerlegung]], [[Eigenwertproblem]]e sowie die [[Methode der kleinsten Quadrate]]. Die Math Kernel Library enthält schnelle Fourier-Transformationen (FFT) für beliebig viele Dimensionen und unterschiedliche Datentypen. Ebenso wie die FFTs ist auch LAPACK als Clusterversion enthalten. Vektormathematische Funktionen sind mit [[Einfache Genauigkeit\|einfacher]] und [[Doppelte Genauigkeit\|doppelter Genauigkeit]] implementiert sowie für [[Komplexe Zahl\|komplexe]] und [[Gleitkommazahl]]en verfügbar. Im Bereich Statistik gibt es unter anderem [[Zufallszahlengenerator]]en und [[Wahrscheinlichkeitsverteilung]]en. Es sind verschiedene [[Spline]]s zur [[Interpolation (Mathematik)\|Interpolation]] enthalten. Die Math Kernel Library verfügt über Funktionen für [[Neuronales Netz\|neuronale Netze]] (z. B. [[Backpropagation]]).<ref>{{Internetquelle \|url=https://software.intel.com/en-us/intel-mkl/details\|titel=Intel Math Kernel Library \|autor=Intel \|hrsg=Intel Corp. \|werk=Intel \|datum= \|zugriff=2017-03-25 \|sprache=en}}</ref>		Im Bereich der [[Numerische lineare Algebra\|numerischen linearen Algebra]] sind BLAS und LAPACK enthalten und um performantere Berechnungen erweitert worden. Dazu zählen etwa [[Gaußsches_Eliminationsverfahren#LR-Zerlegung\|LR]]-, [[Cholesky-Zerlegung\|Cholesky]]- und [[QR-Zerlegung]], [[Eigenwertproblem]]e sowie die [[Methode der kleinsten Quadrate]]. Die Math Kernel Library enthält schnelle Fourier-Transformationen (FFT) für beliebig viele Dimensionen und unterschiedliche Datentypen. Ebenso wie die FFTs ist auch LAPACK als Clusterversion enthalten. Vektormathematische Funktionen sind mit [[Einfache Genauigkeit\|einfacher]] und [[Doppelte Genauigkeit\|doppelter Genauigkeit]] implementiert sowie für [[Komplexe Zahl\|komplexe]] und [[Gleitkommazahl]]en verfügbar. Im Bereich Statistik gibt es unter anderem [[Zufallszahlengenerator]]en und [[Wahrscheinlichkeitsverteilung]]en. Es sind verschiedene [[Spline]]s zur [[Interpolation (Mathematik)\|Interpolation]] enthalten. Die Math Kernel Library verfügt über Funktionen für [[Neuronales Netz\|neuronale Netze]] (z. B. [[Backpropagation]]).<ref>{{Internetquelle \|url=https://software.intel.com/en-us/intel-mkl/details\|titel=Intel Math Kernel Library \|autor=Intel \|hrsg=Intel Corp. \|werk=Intel \|datum= \|zugriff=2017-03-25 \|sprache=en}}</ref>

	<!-- == Literatur == -->== ~~manipulative Verhalten gegenüber konkurrierenden Prozessoren~~ ==		<!-- == Literatur == -->== Weblinks ==
	Im späten Herbst 2019 wurden Benchmarks von Intel PR veröffentlicht, die die Server-Prozessoren der Intel Xeon 9200-Reihe mit den der AMD Eypc 7002 "Rome" Serie vergleichen sollten. Das Team verwendete MKL, was zu sehr negativen Ergebnissen der Konkurrenz führte<ref>{{Internetquelle \|autor=Patrick Kennedy \|url=https://www.servethehome.com/intel-performance-strategy-team-publishing-intentionally-misleading-benchmarks/ \|titel=Intel Performance Strategy Team Publishing Intentionally Misleading Benchmarks \|werk=ServeTheHome \|datum=2019-11-05 \|abruf=2019-12-11 \|sprache=en-US}}</ref>. Dies führte zu einer Reihe von Publikationen(darunter Puget Systems RnD<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>), die das Verhalten der Library genauer beleuchteten und aufdeckten, dass wenn der CPU-Hersteller nicht als Intel angegeben wurde, der langsamste Code ausgewählt wird.

	== Weblinks ==
	* [https://software.intel.com/en-us/intel-mkl Offizielle Website]		* [https://software.intel.com/en-us/intel-mkl Offizielle Website]

Steffen Eilers: Hinzufügen der Kritik an der Library, die wie in https://www.semiaccurate.com/2019/12/10/intels-benchmarking-antics-questioned/ erklärt ein Monopol zu unterstützen versucht und deswegen bitter in der öffentlichen Diskussion nötig ist.

2019-12-11T17:27:11Z

Hinzufügen der Kritik an der Library, die wie in https://www.semiaccurate.com/2019/12/10/intels-benchmarking-antics-questioned/ erklärt ein Monopol zu unterstützen versucht und deswegen bitter in der öffentlichen Diskussion nötig ist.

← Nächstältere Version		Version vom 11. Dezember 2019, 19:27 Uhr
Zeile 1:		Zeile 1:

	{{Infobox Software		{{Infobox Software
	\| Name = Math Kernel Library		\|Name = Math Kernel Library
	\| Logo =		\|Logo =
	\| Screenshot =		\|Screenshot =
	\| Beschreibung = <!-- Beschreibung zum Bildschirmfoto -->		\|Beschreibung = <!-- Beschreibung zum Bildschirmfoto -->
	\| Maintainer = [[Intel]]		\|Maintainer = [[Intel]]
	\| Hersteller =		\|Hersteller =
	\| Management =		\|Management =
	\| Erscheinungsjahr = 2003		\|Erscheinungsjahr = 2003
	\| AktuelleVersion = MKL ~~2017~~		\|AktuelleVersion = MKL 19.4
	\| AktuelleVersionFreigabeDatum = 6. ~~September~~ ~~2016~~		\|AktuelleVersionFreigabeDatum = 11. Dezember 2019
	\| AktuelleVorabVersion =		\|AktuelleVorabVersion =
	\| AktuelleVorabVersionFreigabeDatum =		\|AktuelleVorabVersionFreigabeDatum =
	\| Betriebssystem = [[Unixoides System\|Unixoide]], [[mac OS X]], [[Microsoft Windows]]		\|Betriebssystem = [[Unixoides System\|Unixoide]], [[mac OS X]], [[Microsoft Windows]]
	\| Programmiersprache = [[C (Programmiersprache)\|C]], [[C++]], [[Fortran]]		\|Programmiersprache = [[C (Programmiersprache)\|C]], [[C++]], [[Fortran]]
	\| Kategorie = [[Programmbibliothek]] für Mathematik		\|Kategorie = [[Programmbibliothek]] für Mathematik
	\| Lizenz = [[Proprietäre Software\|proprietär]]		\|Lizenz = [[Proprietäre Software\|proprietär]]
	\| Deutsch =		\|Deutsch =
	\| Website = [https://software.intel.com/en-us/intel-mkl software.intel.com/en-us/intel-mkl]		\|Website = [https://software.intel.com/en-us/intel-mkl software.intel.com/en-us/intel-mkl]
			\|Dateien =
	}}		}}
	Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>		Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>
Zeile 27:		Zeile 29:
	Im Bereich der [[Numerische lineare Algebra\|numerischen linearen Algebra]] sind BLAS und LAPACK enthalten und um performantere Berechnungen erweitert worden. Dazu zählen etwa [[Gaußsches_Eliminationsverfahren#LR-Zerlegung\|LR]]-, [[Cholesky-Zerlegung\|Cholesky]]- und [[QR-Zerlegung]], [[Eigenwertproblem]]e sowie die [[Methode der kleinsten Quadrate]]. Die Math Kernel Library enthält schnelle Fourier-Transformationen (FFT) für beliebig viele Dimensionen und unterschiedliche Datentypen. Ebenso wie die FFTs ist auch LAPACK als Clusterversion enthalten. Vektormathematische Funktionen sind mit [[Einfache Genauigkeit\|einfacher]] und [[Doppelte Genauigkeit\|doppelter Genauigkeit]] implementiert sowie für [[Komplexe Zahl\|komplexe]] und [[Gleitkommazahl]]en verfügbar. Im Bereich Statistik gibt es unter anderem [[Zufallszahlengenerator]]en und [[Wahrscheinlichkeitsverteilung]]en. Es sind verschiedene [[Spline]]s zur [[Interpolation (Mathematik)\|Interpolation]] enthalten. Die Math Kernel Library verfügt über Funktionen für [[Neuronales Netz\|neuronale Netze]] (z. B. [[Backpropagation]]).<ref>{{Internetquelle \|url=https://software.intel.com/en-us/intel-mkl/details\|titel=Intel Math Kernel Library \|autor=Intel \|hrsg=Intel Corp. \|werk=Intel \|datum= \|zugriff=2017-03-25 \|sprache=en}}</ref>		Im Bereich der [[Numerische lineare Algebra\|numerischen linearen Algebra]] sind BLAS und LAPACK enthalten und um performantere Berechnungen erweitert worden. Dazu zählen etwa [[Gaußsches_Eliminationsverfahren#LR-Zerlegung\|LR]]-, [[Cholesky-Zerlegung\|Cholesky]]- und [[QR-Zerlegung]], [[Eigenwertproblem]]e sowie die [[Methode der kleinsten Quadrate]]. Die Math Kernel Library enthält schnelle Fourier-Transformationen (FFT) für beliebig viele Dimensionen und unterschiedliche Datentypen. Ebenso wie die FFTs ist auch LAPACK als Clusterversion enthalten. Vektormathematische Funktionen sind mit [[Einfache Genauigkeit\|einfacher]] und [[Doppelte Genauigkeit\|doppelter Genauigkeit]] implementiert sowie für [[Komplexe Zahl\|komplexe]] und [[Gleitkommazahl]]en verfügbar. Im Bereich Statistik gibt es unter anderem [[Zufallszahlengenerator]]en und [[Wahrscheinlichkeitsverteilung]]en. Es sind verschiedene [[Spline]]s zur [[Interpolation (Mathematik)\|Interpolation]] enthalten. Die Math Kernel Library verfügt über Funktionen für [[Neuronales Netz\|neuronale Netze]] (z. B. [[Backpropagation]]).<ref>{{Internetquelle \|url=https://software.intel.com/en-us/intel-mkl/details\|titel=Intel Math Kernel Library \|autor=Intel \|hrsg=Intel Corp. \|werk=Intel \|datum= \|zugriff=2017-03-25 \|sprache=en}}</ref>

	<!-- == Literatur == -->		<!-- == Literatur == -->== manipulative Verhalten gegenüber konkurrierenden Prozessoren ==
			Im späten Herbst 2019 wurden Benchmarks von Intel PR veröffentlicht, die die Server-Prozessoren der Intel Xeon 9200-Reihe mit den der AMD Eypc 7002 "Rome" Serie vergleichen sollten. Das Team verwendete MKL, was zu sehr negativen Ergebnissen der Konkurrenz führte<ref>{{Internetquelle \|autor=Patrick Kennedy \|url=https://www.servethehome.com/intel-performance-strategy-team-publishing-intentionally-misleading-benchmarks/ \|titel=Intel Performance Strategy Team Publishing Intentionally Misleading Benchmarks \|werk=ServeTheHome \|datum=2019-11-05 \|abruf=2019-12-11 \|sprache=en-US}}</ref>. Dies führte zu einer Reihe von Publikationen(darunter Puget Systems RnD<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>), die das Verhalten der Library genauer beleuchteten und aufdeckten, dass wenn der CPU-Hersteller nicht als Intel angegeben wurde, der langsamste Code ausgewählt wird.

	== Weblinks ==		== Weblinks ==
	* [https://software.intel.com/en-us/intel-mkl Offizielle Website]		* [https://software.intel.com/en-us/intel-mkl Offizielle Website]

← Nächstältere Version		Version vom 18. Mai 2022, 20:19 Uhr
Zeile 23:		Zeile 23:
	Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>		Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>

	Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= https://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt, da dort weitaus langsamerer Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor 3–10<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt, obwohl möglicherweise vorhanden. Mittlerweile gibt es mehrere Workarounds welche es erlauben, ~~dass~~ nach CPU Hersteller diskriminierende Verhalten der MKL zu umgehen.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref><ref>{{Internetquelle \|url=https://danieldk.eu/Posts/2020-08-31-MKL-Zen.html \|titel=Daniël de Kok: Intel MKL on AMD Zen \|abruf=2020-10-28}}</ref>		Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= https://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt, da dort weitaus langsamerer Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor 3–10<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt, obwohl möglicherweise vorhanden. Mittlerweile gibt es mehrere Workarounds, welche es erlauben, das nach CPU-Hersteller diskriminierende Verhalten der MKL zu umgehen.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref><ref>{{Internetquelle \|url=https://danieldk.eu/Posts/2020-08-31-MKL-Zen.html \|titel=Daniël de Kok: Intel MKL on AMD Zen \|abruf=2020-10-28}}</ref>

	Für die Nutzung wird eine Lizenz benötigt, wobei es eine kostenlose Community-License gibt. Die Bibliothek unterstützt [[C (Programmiersprache)\|C]], [[C++]] und [[Fortran]] nativ und ist mit [[Java (Programmiersprache)\|Java]], [[C-Sharp\|C#]], [[Python (Programmiersprache)\|Python]]<ref>{{Internetquelle \|url=https://www.heise.de/developer/meldung/Intel-konfektioniert-Distribution-fuer-Python-Entwickler-3143055.html \|titel=Intel konfektioniert Distribution für Python-Entwickler \|autor=Alexander Neumann \|hrsg=Heise Medien GmbH & Co. KG \|werk=[[Heise online\|heise Developer]] \|datum=2016-03-21 \|zugriff=2017-03-25 \|sprache=de}}</ref> und anderen Sprachen kompatibel.		Für die Nutzung wird eine Lizenz benötigt, wobei es eine kostenlose Community-License gibt. Die Bibliothek unterstützt [[C (Programmiersprache)\|C]], [[C++]] und [[Fortran]] nativ und ist mit [[Java (Programmiersprache)\|Java]], [[C-Sharp\|C#]], [[Python (Programmiersprache)\|Python]]<ref>{{Internetquelle \|url=https://www.heise.de/developer/meldung/Intel-konfektioniert-Distribution-fuer-Python-Entwickler-3143055.html \|titel=Intel konfektioniert Distribution für Python-Entwickler \|autor=Alexander Neumann \|hrsg=Heise Medien GmbH & Co. KG \|werk=[[Heise online\|heise Developer]] \|datum=2016-03-21 \|zugriff=2017-03-25 \|sprache=de}}</ref> und anderen Sprachen kompatibel.

← Nächstältere Version		Version vom 9. Februar 2021, 22:26 Uhr
Zeile 23:		Zeile 23:
	Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>		Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>

	Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= ~~http~~://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt, da dort weitaus langsamerer Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor 3–10<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt, obwohl möglicherweise vorhanden. Mittlerweile gibt es mehrere Workarounds welche es erlauben, dass nach CPU Hersteller diskriminierende Verhalten der MKL zu umgehen.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref><ref>{{Internetquelle \|url=https://danieldk.eu/Posts/2020-08-31-MKL-Zen.html \|titel=Daniël de Kok: Intel MKL on AMD Zen \|abruf=2020-10-28}}</ref>		Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= https://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt, da dort weitaus langsamerer Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor 3–10<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt, obwohl möglicherweise vorhanden. Mittlerweile gibt es mehrere Workarounds welche es erlauben, dass nach CPU Hersteller diskriminierende Verhalten der MKL zu umgehen.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref><ref>{{Internetquelle \|url=https://danieldk.eu/Posts/2020-08-31-MKL-Zen.html \|titel=Daniël de Kok: Intel MKL on AMD Zen \|abruf=2020-10-28}}</ref>

	Für die Nutzung wird eine Lizenz benötigt, wobei es eine kostenlose Community-License gibt. Die Bibliothek unterstützt [[C (Programmiersprache)\|C]], [[C++]] und [[Fortran]] nativ und ist mit [[Java (Programmiersprache)\|Java]], [[C-Sharp\|C#]], [[Python (Programmiersprache)\|Python]]<ref>{{Internetquelle \|url=https://www.heise.de/developer/meldung/Intel-konfektioniert-Distribution-fuer-Python-Entwickler-3143055.html \|titel=Intel konfektioniert Distribution für Python-Entwickler \|autor=Alexander Neumann \|hrsg=Heise Medien GmbH & Co. KG \|werk=[[Heise online\|heise Developer]] \|datum=2016-03-21 \|zugriff=2017-03-25 \|sprache=de}}</ref> und anderen Sprachen kompatibel.		Für die Nutzung wird eine Lizenz benötigt, wobei es eine kostenlose Community-License gibt. Die Bibliothek unterstützt [[C (Programmiersprache)\|C]], [[C++]] und [[Fortran]] nativ und ist mit [[Java (Programmiersprache)\|Java]], [[C-Sharp\|C#]], [[Python (Programmiersprache)\|Python]]<ref>{{Internetquelle \|url=https://www.heise.de/developer/meldung/Intel-konfektioniert-Distribution-fuer-Python-Entwickler-3143055.html \|titel=Intel konfektioniert Distribution für Python-Entwickler \|autor=Alexander Neumann \|hrsg=Heise Medien GmbH & Co. KG \|werk=[[Heise online\|heise Developer]] \|datum=2016-03-21 \|zugriff=2017-03-25 \|sprache=de}}</ref> und anderen Sprachen kompatibel.

	Im Bereich der [[Numerische lineare Algebra\|numerischen linearen Algebra]] sind BLAS und LAPACK enthalten und um performantere Berechnungen erweitert worden. Dazu zählen etwa [[~~Gaußsches_Eliminationsverfahren~~#LR-Zerlegung\|LR]]-, [[Cholesky-Zerlegung\|Cholesky]]- und [[QR-Zerlegung]], [[Eigenwertproblem]]e sowie die [[Methode der kleinsten Quadrate]]. Die Math Kernel Library enthält schnelle Fourier-Transformationen (FFT) für beliebig viele Dimensionen und unterschiedliche Datentypen. Ebenso wie die FFTs ist auch LAPACK als Clusterversion enthalten. Vektormathematische Funktionen sind mit [[Einfache Genauigkeit\|einfacher]] und [[Doppelte Genauigkeit\|doppelter Genauigkeit]] implementiert sowie für [[Komplexe Zahl\|komplexe]] und [[Gleitkommazahl]]en verfügbar. Im Bereich Statistik gibt es unter anderem [[Zufallszahlengenerator]]en und [[Wahrscheinlichkeitsverteilung]]en. Es sind verschiedene [[Spline]]s zur [[Interpolation (Mathematik)\|Interpolation]] enthalten. Die Math Kernel Library verfügt über Funktionen für [[Neuronales Netz\|neuronale Netze]] (z. B. [[Backpropagation]]).<ref>{{Internetquelle \|url=https://software.intel.com/en-us/intel-mkl/details\|titel=Intel Math Kernel Library \|autor=Intel \|hrsg=Intel Corp. \|werk=Intel \|datum= \|zugriff=2017-03-25 \|sprache=en}}</ref>		Im Bereich der [[Numerische lineare Algebra\|numerischen linearen Algebra]] sind BLAS und LAPACK enthalten und um performantere Berechnungen erweitert worden. Dazu zählen etwa [[Gaußsches Eliminationsverfahren#LR-Zerlegung\|LR]]-, [[Cholesky-Zerlegung\|Cholesky]]- und [[QR-Zerlegung]], [[Eigenwertproblem]]e sowie die [[Methode der kleinsten Quadrate]]. Die Math Kernel Library enthält schnelle Fourier-Transformationen (FFT) für beliebig viele Dimensionen und unterschiedliche Datentypen. Ebenso wie die FFTs ist auch LAPACK als Clusterversion enthalten. Vektormathematische Funktionen sind mit [[Einfache Genauigkeit\|einfacher]] und [[Doppelte Genauigkeit\|doppelter Genauigkeit]] implementiert sowie für [[Komplexe Zahl\|komplexe]] und [[Gleitkommazahl]]en verfügbar. Im Bereich Statistik gibt es unter anderem [[Zufallszahlengenerator]]en und [[Wahrscheinlichkeitsverteilung]]en. Es sind verschiedene [[Spline]]s zur [[Interpolation (Mathematik)\|Interpolation]] enthalten. Die Math Kernel Library verfügt über Funktionen für [[Neuronales Netz\|neuronale Netze]] (z. B. [[Backpropagation]]).<ref>{{Internetquelle \|url=https://software.intel.com/en-us/intel-mkl/details\|titel=Intel Math Kernel Library \|autor=Intel \|hrsg=Intel Corp. \|werk=Intel \|datum= \|zugriff=2017-03-25 \|sprache=en}}</ref>

	<!-- == Literatur == -->		<!-- == Literatur == -->

← Nächstältere Version		Version vom 28. Oktober 2020, 14:19 Uhr
Zeile 23:		Zeile 23:
	Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>		Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>

	Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= http://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt, da dort weitaus langsamerer Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor 3–10<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt, obwohl möglicherweise vorhanden. Mittlerweile gibt es ~~Hotfixes~~ ~~zum~~ ~~vorübergehenden~~ ~~Wiederherstellen~~ der ~~verlorenen~~ ~~Performance~~.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref>		Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= http://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt, da dort weitaus langsamerer Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor 3–10<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt, obwohl möglicherweise vorhanden. Mittlerweile gibt es mehrere Workarounds welche es erlauben, dass nach CPU Hersteller diskriminierende Verhalten der MKL zu umgehen.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref><ref>{{Internetquelle \|url=https://danieldk.eu/Posts/2020-08-31-MKL-Zen.html \|titel=Daniël de Kok: Intel MKL on AMD Zen \|abruf=2020-10-28}}</ref>

	Für die Nutzung wird eine Lizenz benötigt, wobei es eine kostenlose Community-License gibt. Die Bibliothek unterstützt [[C (Programmiersprache)\|C]], [[C++]] und [[Fortran]] nativ und ist mit [[Java (Programmiersprache)\|Java]], [[C-Sharp\|C#]], [[Python (Programmiersprache)\|Python]]<ref>{{Internetquelle \|url=https://www.heise.de/developer/meldung/Intel-konfektioniert-Distribution-fuer-Python-Entwickler-3143055.html \|titel=Intel konfektioniert Distribution für Python-Entwickler \|autor=Alexander Neumann \|hrsg=Heise Medien GmbH & Co. KG \|werk=[[Heise online\|heise Developer]] \|datum=2016-03-21 \|zugriff=2017-03-25 \|sprache=de}}</ref> und anderen Sprachen kompatibel.		Für die Nutzung wird eine Lizenz benötigt, wobei es eine kostenlose Community-License gibt. Die Bibliothek unterstützt [[C (Programmiersprache)\|C]], [[C++]] und [[Fortran]] nativ und ist mit [[Java (Programmiersprache)\|Java]], [[C-Sharp\|C#]], [[Python (Programmiersprache)\|Python]]<ref>{{Internetquelle \|url=https://www.heise.de/developer/meldung/Intel-konfektioniert-Distribution-fuer-Python-Entwickler-3143055.html \|titel=Intel konfektioniert Distribution für Python-Entwickler \|autor=Alexander Neumann \|hrsg=Heise Medien GmbH & Co. KG \|werk=[[Heise online\|heise Developer]] \|datum=2016-03-21 \|zugriff=2017-03-25 \|sprache=de}}</ref> und anderen Sprachen kompatibel.

← Nächstältere Version		Version vom 11. Dezember 2019, 21:21 Uhr
Zeile 23:		Zeile 23:
	Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>		Die Intel '''Math Kernel Library''' (Intel MKL) ist eine [[Programmbibliothek]] für mathematische Berechnungen von der Firma [[Intel]]. Hauptbestandteile sind [[Basic Linear Algebra Subprograms]] (BLAS), [[LAPACK]], [[ScaLAPACK]], [[Solver]] für [[Dünnbesetzte Matrix\|dünnbesetzte Matrizen]], [[schnelle Fourier-Transformation]]en und Vektormathematik.<ref>{{Internetquelle \|url=https://kb.iu.edu/d/axdz \|titel=What is the Intel Math Kernel Library, and where is it installed at IU and on XSEDE? \|autor=Indiana University \|hrsg=[[Indiana University System]] \|werk=Indiana University \|datum=2015-08-20 \|zugriff=2017-03-25 \|sprache=en}}</ref>

	Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= http://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt da dort weitaus ~~langsamer~~ Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor ~~3-10~~<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt obwohl möglicherweise vorhanden. Mittlerweile gibt es Hotfixes zum vorübergehenden Wiederherstellen der verlorenen Performance.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref>		Die Math Kernel Library wurde von Intel am 9. Mai 2003 veröffentlicht. Sie eignet sich besonders für Intel-[[Mikroprozessor]]en und Einsatz im [[Multithreading]].<ref>{{Internetquelle \|url= http://insidehpc.com/2017/03/intel-mkl-intel-tbb-together/ \|titel=Intel MKL and Intel TBB Working Together for Performance \|autor=Richard Friedman \|hrsg=insideHPC Media \|werk=Inside HPC \|datum=2017-03-23 \|zugriff=2017-03-25 \|sprache=en}}</ref> Nicht von Intel stammende Prozessoren werden benachteiligt, da dort weitaus langsamerer Programmcode läuft als nötig, teilweise beobachtet werden Verlangsamungen um den Faktor 3–10<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/AMD-Ryzen-3900X-vs-Intel-Xeon-2175W-Python-numpy---MKL-vs-OpenBLAS-1560/ \|titel=AMD Ryzen 3900X vs Intel Xeon 2175W Python numpy - MKL vs OpenBLAS \|abruf=2019-12-11 \|sprache=en}}</ref>, leistungssteigernde Befehlssätze wie AVX werden nicht genutzt, obwohl möglicherweise vorhanden. Mittlerweile gibt es Hotfixes zum vorübergehenden Wiederherstellen der verlorenen Performance.<ref>{{Internetquelle \|url=https://www.pugetsystems.com/labs/hpc/How-To-Use-MKL-with-AMD-Ryzen-and-Threadripper-CPU-s-Effectively-for-Python-Numpy-And-Other-Applications-1637/ \|titel=How To Use MKL with AMD Ryzen and Threadripper CPU's (Effectively) for Python Numpy (And Other Applications) \|abruf=2019-12-11 \|sprache=en}}</ref>

	Für die Nutzung wird eine Lizenz benötigt, wobei es eine kostenlose Community-License gibt. Die Bibliothek unterstützt [[C (Programmiersprache)\|C]], [[C++]] und [[Fortran]] nativ und ist mit [[Java (Programmiersprache)\|Java]], [[C-Sharp\|C#]], [[Python (Programmiersprache)\|Python]]<ref>{{Internetquelle \|url=https://www.heise.de/developer/meldung/Intel-konfektioniert-Distribution-fuer-Python-Entwickler-3143055.html \|titel=Intel konfektioniert Distribution für Python-Entwickler \|autor=Alexander Neumann \|hrsg=Heise Medien GmbH & Co. KG \|werk=[[Heise online\|heise Developer]] \|datum=2016-03-21 \|zugriff=2017-03-25 \|sprache=de}}</ref> und anderen Sprachen kompatibel.		Für die Nutzung wird eine Lizenz benötigt, wobei es eine kostenlose Community-License gibt. Die Bibliothek unterstützt [[C (Programmiersprache)\|C]], [[C++]] und [[Fortran]] nativ und ist mit [[Java (Programmiersprache)\|Java]], [[C-Sharp\|C#]], [[Python (Programmiersprache)\|Python]]<ref>{{Internetquelle \|url=https://www.heise.de/developer/meldung/Intel-konfektioniert-Distribution-fuer-Python-Entwickler-3143055.html \|titel=Intel konfektioniert Distribution für Python-Entwickler \|autor=Alexander Neumann \|hrsg=Heise Medien GmbH & Co. KG \|werk=[[Heise online\|heise Developer]] \|datum=2016-03-21 \|zugriff=2017-03-25 \|sprache=de}}</ref> und anderen Sprachen kompatibel.