OpenBLAS构建中关于LAPACK废弃函数的兼容性问题分析
在构建开源数学库OpenBLAS 0.3.28版本时,开发者可能会遇到一个与LAPACK废弃函数相关的构建问题。本文将深入分析该问题的技术背景、产生原因以及解决方案。
问题现象
当开发者在Linux x86_64平台上使用gcc 14.2.1编译器构建OpenBLAS 0.3.28版本,并将BUILD_LAPACK_DEPRECATED参数设置为0时,构建过程会在链接测试阶段失败。错误信息显示多个废弃的LAPACK函数符号未定义。而将BUILD_LAPACK_DEPRECATED参数设为1则可以成功构建。
技术背景
OpenBLAS是一个优化的BLAS(基础线性代数子程序)库实现,它包含了BLAS和LAPACK的功能。LAPACK作为线性代数计算的经典库,随着发展会逐步淘汰一些旧的函数接口,这些被淘汰的函数就被标记为"deprecated"(废弃)。
BUILD_LAPACK_DEPRECATED是OpenBLAS的一个构建选项,用于控制是否包含这些废弃的LAPACK函数。设置为0表示不包含这些废弃函数,以减小库的体积并提高代码的现代性。
问题根源
这个问题源于Reference-LAPACK(LAPACK的参考实现)在几个月前废弃了一些函数。OpenBLAS 0.3.28版本中的链接测试可能没有及时更新以反映这些变化,导致当BUILD_LAPACK_DEPRECATED=0时,链接测试仍然尝试使用这些已被废弃的函数符号。
这个问题实际上从OpenBLAS 0.3.25版本左右就可能存在,只是在新版本中更为明显。
解决方案
目前有两种可行的解决方案:
-
临时解决方案:将BUILD_LAPACK_DEPRECATED设置为1,继续包含这些废弃函数。这是最简单的解决方法,但会增加库的体积并保留可能不再需要的代码。
-
等待官方修复:等待OpenBLAS团队更新链接测试逻辑,使其与最新的Reference-LAPACK变更保持同步。这需要开发者关注OpenBLAS的后续版本更新。
技术建议
对于生产环境,如果确实不需要这些废弃函数,建议采用临时解决方案,同时关注OpenBLAS的版本更新。对于开发环境,可以考虑从源代码修改链接测试逻辑,移除对这些废弃函数的依赖。
这个问题也提醒我们,在使用开源数学库时,需要注意不同组件之间的版本兼容性,特别是在涉及接口变更时,构建系统可能需要相应的调整。
总结
OpenBLAS构建过程中遇到的这个LAPACK废弃函数问题,反映了开源项目在快速发展过程中可能出现的接口兼容性挑战。理解这类问题的背景和解决方案,有助于开发者更好地使用和维护数学计算库,确保项目的稳定构建和运行。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00