oneMKL的生成随高斯分布的随机数

前言

本文主要介绍oneMKl生成随高斯分布的随机数的简要使用方法，在看本文之前请先安装oneMKL，具体步骤请查看oneMKl安装步骤。
官方参考文档
英特尔® oneAPI 数学核心函数库 （oneMKL） 提供了一组例程，用于实现常用的伪随机、准随机或非确定性随机数生成器，这些生成器具有连续和离散分布。为了提高性能，所有这些例程都是使用对高度优化的基本随机数生成器 （BRNG） 和矢量数学函数（VM）的调用开发的。

主要步骤

oneMKL随机数生成器包含在mkl.h库中，因此可以直接导入调用生成，使用步骤如下所示：

#include <mkl.h>// 1、创建或初始化随机数流（控制台）
VSLStreamStatePtr stream;
auto status = vslNewStream( &stream, brng, seed );
// 2、调用oneMKL随机数算法
status = vsRngGaussian( method, stream, n, r, a, sigma );
// 3、删除随机数流（控制台）
status = vslDeleteStream(&stream);

一、创建或初始化随机数流（控制台）

1、核心代码

#include <mkl.h>VSLStreamStatePtr stream;
auto status = vslNewStream( &stream, brng, seed );

2、算法描述

这个函数的目标是创建一个新的随机数流，并用一个随机数种子初始化它

3、输入参数

4、输出参数

该函数运行完后的所有设置都保存在stream中，可以通过其返回的值status进行判断，判断如下：

5、brng 参数的定义

二、调用oneMKL随机数算法；

这里可以使用的随机数算法很多，参考网址，如下：

本博主使用生成随高斯分布的随机数函数vsRngGaussian和vdRngGaussian，参考网址，其语法如下：

1.核心代码

#include <mkl.h>auto status = vsRngGaussian( method, stream, n, r, a, sigma );
auto status = vdRngGaussian( method, stream, n, r, a, sigma );

2、算法描述

该函数生成具有正态（高斯）分布的随机数，平均值为a，标准差sigma 。

3、输入参数

4、输出参数

该函数运行完后随机数结果都保存在r中，可以通过其返回的值status进行判断，判断如下：

5、method 参数的定义

三、删除随机数流（控制台）

一个优秀的C/C++要学会自己管理内存，要记得手动删除不必要的内存。

1.核心代码

#include <mkl.h>auto status = vslDeleteStream( &stream );

2、算法描述

该函数删除随机流。

3、输入参数

4、输出参数

该函数运行完后可以通过其返回的值status进行判断，判断如下：

四、使用实例

1.核心代码

#include <iostream>
#include <mkl.h>
#include <vector>
#include <numeric>
#include <algorithm>
#include <stdio.h>
#include <string>
using namespace std;int main()
{// 定义大小int size = 2048;MKL_LONG sizeN[2] = { size, size };int size2 = size * size;// 开辟数组空间vector<float> randnData(size2, 0);float* pRandnData = &randnData[0];  // 创建索引指针VSLStreamStatePtr stream;int seed = 666;  // 随机种子float randn_aver = 0, randn_std = 1;auto status = vslNewStream(&stream, VSL_BRNG_MT19937, seed);// vsRngGaussian 是单精度 vdRngGaussian 是双精度  vsRngGaussian 生成正态分布的随机数status = vsRngGaussian(VSL_RNG_METHOD_GAUSSIAN_ICDF, stream, size2, pRandnData, randn_aver, randn_std);status = vslDeleteStream(&stream);// 最大值  double max_value = *max_element(randnData.begin(), randnData.end());// 最小值  double min_value = *min_element(randnData.begin(), randnData.end());// 均值  double mean = accumulate(randnData.begin(), randnData.end(), 0.0) / randnData.size();// 方差  double variance = 0.0;for (int i = 0; i < randnData.size(); i++){variance += pow(randnData[i] - mean, 2);}variance /= randnData.size();// 标准差  double std_dev = sqrt(variance);cout << "=================数据输出信息=====================" << endl;printf("生成正态分布的随机数 均值 %f 方差 %f\n", randn_aver, randn_std);printf("前5位数：%f %f %f %f %f \n", randnData[0], randnData[1], randnData[2], randnData[3], randnData[4]);printf("后5位数：%f %f %f %f %f \n", randnData[size2 - 1], randnData[size2 - 2], randnData[size2 - 3], randnData[size2 - 4], randnData[size2 - 5]);cout << "最大值： " << max_value << endl<< "最小值：" << min_value << endl<< "均值：" << mean << endl<< "方差：" << variance << endl<< "标准差 ：" << std_dev << endl;return 0;
}

2、算法描述

上述代码使用vsRngGaussian生成了单精度的正态（高斯）分布的随机数，平均值为a=0，标准差sigma=1，并使用vector的一些函数统计了生成后的随机数randnData的信息。

3、运行结果

运行结果如下图所示：

通过上图运行结果可以看出，生成的随机数符合预先设定的平均值为a=0，标准差sigma=1。

最后

欢迎大家积极提出宝贵的建议 ！
支持一下，收藏！点赞！！加星星！！！