![]() |
パフォーマンスの向上を図る数値演算ライブラリー
|
- このページでは、https://software.intel.com/en-us/intel-mkl の内容をもとに、製品に関連する記事や参考資料へのリンクをまとめています。
- 本製品は単体販売しておりません。インテル® oneAPI ツールキットに同梱されています。
- インテル® oneAPI ツールキットに同梱されるバージョンから製品の名称がインテル® oneAPI マス・カーネル・ライブラリー (インテル® oneMKL) に変わりました。
- 関連記事
- リソース
- FAQ
関連記事
関連記事一覧
- SYCL とインテル® oneMKL による定量金融の高速化
- インテル® oneMKL クックブック
- インテル® oneAPI マス・カーネル・ライブラリー (インテル® oneMKL) 導入ガイド
- サブストリーム並列化を利用した高速 RNG
- 金融サービスのリスク計算における oneMKL 乱数ジェネレーター・デバイス API
- oneMKL と OpenMP* ターゲットオフロードで線形システムを解く
- Fortran、oneMKL、OpenMP*を使用して LU 因数分解を高速化
- oneAPI でアーキテクチャーの壁を越える: ヘテロジニアス・コンピューティングを容易にするライブラリー
- BRODA 社の SOBOL 擬似乱数ジェネレーターによる正確でハイパフォーマンスなシミュレーション
- オープンソースの新しい oneAPI 数学ライブラリー・インターフェイス
- ローレンス・バークレー国立研究所は oneMKL によりヘテロジニアス・コンピューティングを推進
- Demetics 社がインテル® SGX で AI ベースの医療イノベーションを保護
- インテル® oneAPI マス・カーネル・ライブラリー (インテル® oneMKL) 2021.1 リリースノート
- マルチスレッド開発ガイド: 4.2 インテル® マス・カーネル・ライブラリー (インテル® MKL) での並列処理
- マルチスレッド開発ガイド: 1.8 アセンブリーや組込み関数を利用することなく AVX を使用するには
- インテル® MKL 2020 ベクトル統計乱数ジェネレーターのパフォーマンス・データ
- インテル® oneAPI マス・カーネル・ライブラリー (インテル® oneAPI MKL) データ並列 C++ 使用モデル (モンテカルロ・シミュレーションの例)
- Amazon Web Services* とインテルが協力して Amazon* EC2 CPU インスタンス上で最適化されたディープラーニング・フレームワークを実現
- 第 2 世代インテル® Xeon® スケーラブル・プロセッサーでインテル® Deep Learning Boost を使用して TensorFlow* の推論を高速化
- Baidu* の PaddlePaddle における最適化されたディープ・アテンション・マッチング・モデル
- インテル® プロセッサー上でのディープラーニング推論のデプロイメントの最適化手法
- インテル® Xeon® スケーラブル・プロセッサーでの顔認識推論の最適化
- ベクトル・ニューラル・ネットワーク命令はインテル® アーキテクチャーによる INT8 推論を可能に
- インテル Parallel Universe 36 号日本語版の公開
- インテル® プラットフォーム上でディープ・イメージ・マッティング・アルゴリズムの推論を高速化する
- 入れ子構造の並列処理が手に負えなくなったときにどうするか? インテル® TBB 向け Python* モジュールを 30 分で導入する
- 一般的な Linux* パッケージ・マネージャーを使用してインテル® パフォーマンス・ライブラリーとインテル® Distribution for Python* をインストールする
- インテル® MKL を使用した小行列乗算の高速化
- ディープラーニングの訓練向けインテル® プロセッサー
- インテル Parallel Universe 31 号日本語版の公開
- インテル® MKL とインテル® DAAL によるビッグデータ解析のスピードアップ
- R でインテル® MKL を使用する
- インテル® ライブラリーによるディープラーニングとマシンラーニングの促進
- BigDL: Apache Spark* 上の最適化されたディープラーニング
- データとコードの並べ替え: 最適化とメモリー – パート 1
- インテル Parallel Universe 27 号日本語版の公開
- インテル® MKL の DNN プリミティブ
- インテル® Distribution for Python* におけるより高速な乱数生成
- インテルが推進するディープラーニング・フレームワーク
- AI に対するニーズの高まりに対応する
- 行列-行列乗算のパックのオーバーヘッドを減らす
- インテルの Caffe* を CentOS* 7.2 上にインストールする
- インテル® Parallel Studio XE Composer Edition 製品にバンドルされているインテル® IPP、インテル® MKL、およびインテル® TBB のバージョン
- インテルのハイパフォーマンス・ライブラリーにより MeritData 社が Tempo* ビッグデータ・プラットフォームをスピードアップ
- マシンラーニングにおける Python* パフォーマンスの壁を乗り越える
- ビッグデータ解析とマシンラーニングの有効利用
- 京都大学における GPU を超える CPU の優れたパフォーマンスの検証
- インテル® Distribution for Python* の紹介
- インテルと Anaconda* によるオープン・データ・サイエンス向け Python* の強化
- インテル® Xeon® プロセッサー E5 ファミリー・ベースのマルチノード分散メモリーシステム上の Caffe* 学習
- インテル® Xeon® プロセッサー E5 ファミリー上でのシングルノード Caffe* スコアと学習
- インテル® MKL の無料オプション、サポートなし、ロイヤルティー・フリー
- オープンソース Python*、R、Julia ベースの HPC アプリケーションの高速化
- インテル® MKL を Numpy/Scipy に実装
- 小さな問題サイズにおけるインテル® MKL パフォーマンスの向上: MKL_DIRECT_CALL の使用
- スレッド化されたインテル ® MKL をマルチスレッド・アプリケーションで使用する
- インテル® MKL におけるインテル® AVX2 向け最適化
- Linux* 上でインテル® C++ コンパイラーとインテル® MKL を使用して R-3.0.1 をビルドする
- HPL 向けアプリケーション・ノート
- PARDISO 使用時のヒント
- インテル® マス・カーネル・ライブラリーの FFTW3 インターフェイス
- FFTW3 ラッパーの使用
- Fortran からのラッパーの呼び出し
- 独自のラッパー・ライブラリーのビルド
- アプリケーションのビルド
- サンプルプログラムの実行
- サマリー統計ライブラリーの概要
- バーゼル大学 (UB: Universität Basel) が提供する PARDISO* とインテル® MKL の PARDISO API における相違点の概要
- インテル® MKL と IMSL* Fortran 数値ライブラリーの使用
- インテル® IPP における OpenMP* サポートの変更
- インテル® MKL の BLAS と DGEMM ルーチンを使用したインテル® AVX の最適化
- マルチスレッド・アプリケーションからインテル® MKL ルーチンを呼び出す場合の推奨設定
- インテル® コンパイラー 11.x プロフェッショナル・エディションでインストールされるインテル® IPP、インテル® MKL、およびインテル® TBB のバージョン
リソース
サポート
-
コミュニティーに問い合わせ
Forums (英語) からほかのユーザーやエキスパートに問い合わせできます。 -
インテル社の製品サポートに英語で問い合わせ
Online Service Center (英語) ではインテル社のサポートチームにお問い合わせいただけます。 -
エクセルソフト社の技術サポートに日本語で問い合わせ
ユーザー登録完了後、技術サポート受付フォームよりお問い合わせください。
ドキュメント
- 導入ガイド (英語)
- チュートリアル [C (英語) | Fortran (英語)]
- インテル® oneMKL リファレンス・マニュアル [C (英語) | Fortran (英語)]
- インテル® oneMKL デベロッパー・ガイド [Windows* 版 (英語) | Linux* 版 (英語) | macOS* 版 (英語)]
- インテル® oneMKL リリースノート (英語)
サンプル
- CPU と GPU を使用した行列乗算 (英語)
- GitHub* 上のすべてのサンプルコード (英語)
ソフトウェア EULA (英語)
FAQ
よくある問い合わせ
-
製品購入を決定する前に、インテル® MKL の使用許諾契約を閲覧することはできますか?
使用許諾契約はオンラインで公開されています。諸条件に関しては EULA (英語) をご覧ください。
-
アプリケーションに同梱してインテル® MKL を再配布できますか?
はい。インテル® MKL の正規ライセンスをお持ちであれば、アプリケーションとともに許可されたインテル® MKL ライブラリーを再配布する権利を得られます。評価版のインテル® MKL には再配布権は含まれていません。再配布可能なファイルは、製品版インテル® MKL に含まれる redist.txt に記載されています。
-
インテル® MKL は、ロイヤルティー・フリーですか?
はい。配布コピーごとのロイヤルティーは無料です。詳細は、インテル® MKL のエンド・ユーザー・ソフトウェア使用許諾契約書 (EULA (英語)) をご覧ください。
-
再配布可能なファイルは何ですか?
一般的に、再配布可能なファイルは、リンク可能なファイル (.DLL と .LIB – Windows*、.so と .a – Linux* と OS X*) です。インテル® MKL を購入 (もしくはサポートサービス契約の更新) すると、再配布可能なファイルのリスト redist.txt ファイルを受け取れます。評価版のインテル® MKL には再配布権は含まれていません。すべての用語に関しては EULA (英語) をご覧ください。
-
インテル® MKL を同梱したアプリケーションの配布数に制限はありますか?
いいえ。 EULA (英語) の Redistributables の章で定義されているように、無制限のコピーを再配布することができます。
-
プロジェクト・チームや企業内で正規にインテル® MKL を利用するにはいくつライセンスが必要ですか?
インテル® MKL のライセンス数は、コードを記述、コンパイル、そしてテストにインテル® MKL を使用する開発者数の分だけ必要になります。例えば、組織内でインテル® MKL を使用したアプリケーションのビルドに 5 人の開発者が携わっている場合、5 つのライセンスが必要です。詳細については EULA (英語) をご覧ください。
-
インテル® MKL ライブラリーを使用してアプリケーションを開発およびテストを行うマシンごとにライセンスを入手する必要はありますか?
必要なインテル® MKL のライセンス数は、組織内で同時に利用する開発者の人数とビルドマシン数によって決定します。これは、利用時に有効なライセンス数を保持する限り、アプリケーションを同時にビルドする任意の数のマシンに展開することができます。例えば、5 人の開発チームで 10 台のマシンを同時に利用してアプリケーションの開発テストを行う場合、10 ライセンスが必要となります。詳細については EULA (英語) をご覧ください。
-
インテル® MKL を使用したアプリケーションを販売する場合、コピーごとにライセンスが必要ですか?
いいえ。アプリケーションにインテル® MKL の再配布可能ファイルを含める場合、ロイヤルティーは無料です。開発者がインテル® MKL の使用許諾を受けることで、アプリケーションにインテル® MKL の再配布可能ファイルを含んで制限数なく販売することができます。詳細については EULA (英語) をご覧ください。
コンパイラーの最適化に関する詳細は、最適化に関する注意事項を参照してください。