总述

1

KML_BLAS

基础线性代数运算数学库（Basic Linear Algebra Subprograms），基于鲲鹏架构，通过向量化、数据预取、编译优化、数据重排等手段，对BLAS的计算效率进行了深度挖掘，使得BLAS接口函数的性能逼近理论峰值。

向量-向量运算

向量-矩阵运算

矩阵-矩阵运算

2

KML_SPBLAS

稀疏基础线性代数运算库（Sparse Basic Linear Algebra Subprograms），基于鲲鹏架构为压缩格式的稀疏矩阵提供了高性能向量、矩阵运算。充分利用鲲鹏的指令集和架构特点，开发了高性能稀疏矩阵运算库，提升HPC和大数据解决方案业务性能。

稀疏的向量-向量运算

稀疏的向量-矩阵运算

稀疏的矩阵-矩阵运算

3

KML_VML

向量数学库（Vector Mathematical Library），通过NEON指令优化、内联汇编等方法，对输入数据进行向量化处理，充分利用了鲲鹏架构下的寄存器特点，实现了在鲲鹏服务器上的性能提升。

向量的数学运算，包括幂函数、三角函数、指数函数、双曲函数、对数函数等。

4

KML_MATH

基础运算数学库，通过周期函数规约、算法改进等手段，提供了基于鲲鹏处理器性能提升较大的函数实现。

基础数学运算，包括三角函数、对数函数、指数函数、幂函数运算。

5

KML_FFT

快速傅里叶（Fast Fourier Transform）运算库，是快速计算序列的离散傅里叶变换（DFT）或其逆变换的方法，广泛的应用于工程、科学和数学领域，将傅里叶变换计算需要的复杂度从O(n2)降到了O(n log n)，被IEEE科学与工程计算期刊列入20世纪十大算法。

FFT的C2C、C2R、R2C、R2R变换。

6

KML_LAPACK

线性代数运算库（Linear Algebra PACKage），通过分块、求解算法组合、多线程、BLAS接口优化等手段，基于鲲鹏架构对LAPACK的计算效率进行了优化。

线性方程组运算，包括求解、特征值和奇异值问题求解等。

7

KML_SVML

短向量数学库（Short Vector Mathematical Library），通过NEON指令优化、内联汇编等方法，对输入向量进行批量处理，充分利用了鲲鹏架构下的寄存器特点，实现了在鲲鹏服务器上的性能提升。

向量的数学运算，包括幂函数、三角函数、指数函数、双曲函数、对数函数等。

8

KML_SOLVER

稀疏求解器库（Sparse Solvers），提供直接求解器和迭代求解器，支持单节点多线程、集群MPI多进程。

单机版：稀疏对称正定矩阵、稀疏一般矩阵线性方程组迭代求解。

集群版：稀疏对称正定矩阵线性方程组迭代求解，正定埃尔米特矩阵线性方程组直接求解。

9

KML_JAVA

基于JNI技术，用Java语言封装的KML数学库。

BLAS、VML。

10

KML_SCALAPACK

分布式的线性代数运算库（Scalable Linear Algebra PACKage），通过分块、求解算法组合、多进程优化等手段，基于鲲鹏架构对SCALAPACK的计算效率进行了优化。

线性方程组运算，包括求解、特征值和奇异值问题求解等。

11

KML_VSL

向量统计库（Vector Statistical Library），包含多种随机数生成函数，可以生成服从不同分布的随机数。

服从不同分布的随机数生成。

12

KML_NUMPY

使用KML封装的Python Numpy模块。

KML_NUMPY库提供了40个适配KML或自行优化后的接口，优化的数据类型为FLOAT和DOUBLE，涵盖了基础运算、傅里叶变换、统计和线性代数四个部分。

基础运算、傅里叶变换、统计和线性代数。

13

KML_EIGENSOLVER

特征值求解库，支持求解大型对称/共轭矩阵部分特征值与特征向量，支持MPI多节点。

实对称/复共轭矩阵的特征值求解。

14

KML_IPL

插值库（Interpolate Library），包含多种常用的插值函数，用于数值分析。

离散数据的拟合。