在开源 BLAS 中，据我所知，OpenBLAS ( http://www.openblas.net/ ) 是最好的选择。该网站有一个 DGEMM 基准，与 MKL（见下文）和参考 Fortran BLAS 进行比较。该库是线程化的，并用 C 和汇编语言编写。对于 GPU，有使用 OpenCL 实现 BLAS的 clBLAS ( https://github.com/clMathLibraries/clBLAS )。不幸的是，我不知道 clBLAS 的基准。

如果闭源专有 BLAS 实现没问题，英特尔 MKL 是在多核 CPU 和 Xeon-Phi 加速器上使用的不错选择。它不仅有 BLAS - 它还包括许多 LAPACK 函数和 FFT，例如。NVIDIA 的 CuBLAS 是支持 CUDA 的 GPU 的一个选项。cuBLAS 在http://developer.download.nvidia.com/compute/cuda/6_5/rel/docs/CUDA_6.5_Performance_Report.pdf与 MKL 进行了比较。

我不知道 ClBLAS，但其他的很容易在 Linux 上安装；文档很清楚。至于与 Octave/MATLAB 的接口，我不知道，因为我不使用它们，但希望其他人可以回答这个问题。

MATLAB 已经为它的 BLAS 实施提供了英特尔 MKL。没有理由更换它。

至于使用 GPU，如果您将数组设置为 a gpuArray（为此，只需执行gpuArray(A)），那么您可以使用 MATLAB 的矩阵乘法，它将使用来自 MAGMA 的优化内核来执行计算。你可以用谷歌来解释一些人说这比 CUBLAS 好 10%，但评论通常是旧的（2013 年）和 blablabla：它足够快，如果你在 MATLAB 中它可能是最好的选择（尽管如果你真的想要性能，您应该使用 CUBLAS 来查看 Julia，它将具有更低的互操作开销和更快的用户编译内核）。

您找不到“两者兼有”的 BLAS 实现的原因是因为实现必须完全不同才能充分利用 GPU，因此在这一点上，它们也可能是不同的库，因为捆绑代码的原因是通常用于某种形式的代码重用。您可以尝试在 MATLAB 中换出后端 BLAS 实现来学习，但它可能不会导致性能变化，它可能会带来困难，因为它非常无证。这只是闭源软件的众多问题之一。如果您希望能够修改每个细节，交换 BLAS 库和 libm 实现等，您可能需要考虑使用开源软件，如上所述，我推荐 Julia（或者您可以用 Octave 做这个，虽然我没有