OpenBlas 非常快，因此您可以将其链接到 LAPACK。您是否尝试过 CPU 供应商提供的 LAPACK/BLAS 预编译版本？例如 AMD ACML（免费）或 Intel MKL（在 linux 上免费用于非商业和非学术用途）？您只需要解压并运行安装文件。

在我看来，使用 ATLAS 的唯一优势是当您使用一些不寻常的 CPU 时。否则使用 CPU 供应商提供的。还有 nVIDIA CUDA 和 AMD OpenCL 版本，它们真的很震撼。

编辑：请记住，您始终可以从源代码构建 Ubuntu DEB 包，这通常比从源代码编译软件容易得多。

由于编译方式，存储库包不能安全地与线程一起使用。我在Lapack 论坛上报告了这个错误，但解决方法或解决方案需要很长时间才能渗透到存储库中。如果您自己编译，请务必将“-frecursive”添加到 gfortran。

根据我的经验，在最新版本的 ubuntu 上使用 blas/lapack 的最佳方法是使用打包的 openblas。

对于它的价值，我主要通过 python numpy/scipy 使用 blas/lapack，并且使用 openblas 将一些线性代数的速度提高了 200 倍，而不是默认值。我尝试过使用自定义 ATLAS，但这是一个巨大的痛苦，并且与 openblas 相比并没有提供太多加速，但我可能做错了。