英特尔(R)集成性能基元（英特尔(R)IPP）是一款多核就绪的扩展函数库，其中包含众多针对多媒体、数据处理和通信应用高度优化的软件函数。它包括：

视频编码：用于 DV25/50/100、MPEG-2、MPEG-4、H.263 和 MPEG-4 Part 10 (H.264) 编解码器的关键算法组件。
图像和 2D 信号处理：包含多种可针对图像和图像内区域 (ROI) 执行的算法。
计算机视觉：针对多种主要计算机视觉运算进行优化的函数，可用于安全、计算机控制、媒体管理、媒体注释等领域的应用程序。
颜色转换：如今随着多种格式的数字媒体的蓬勃发展，在不同的色彩形式间转换的需求也随之产生。
字符串处理：使用英特尔 IPP 优化的字符串操作，将优化的文本数据库管理、搜索与检索或文档索引处理功能集成到应用程序中。
JPEG 编码：用于 JPEG、JPEG 2000 和运动 JPEG 编解码器的重要算法组件。
语音编码：支持以下语音编解码器/函数的例程：、G.729、AMR-宽带、GSM 全速率和压缩扩展，回声消除等。
信号处理：过滤和卷积、数组/信号初始化/处理、变换、分屏/采样、数组算术/逻辑运算和数组/信号统计。
数据压缩：除了使用编解码器进行的视频、音频和图像压缩之外，还提供了无损压缩法函数。
音频编码：用于 MP3 和 ACC 编解码器的重要算法组件
语音识别：集成高级语音识别、IP 语音和语音注解功能
矢量/矩阵运算：提供了丰富的矩阵和矢量运算，其中包括物理建模和 3D 转换/光照计算
密码技术：快速建立强大的，高性能的加密模块和应用。
射线跟踪与渲染：在射线跟踪、逼真图像渲染以及物理应用中使用的核心运算

下面，我们提供一些常用的Intel MKL 函数的性能数据：

1)通用矩阵计算（DGEMM ）是一个广为使用的数学函数。 下图给出了Intel MKL 8.0 与ATLAS*的矩阵计算函数的性能数据。ATLAS* (Automatically Tuned Linear Algebra Software) 是比较流行的线性代数的计算函数库。它实现了绝大多数的BLAS 与LAPACK 的函数。ATLAS 的网站是： http://math-atlas.sourceforge.net/.*
Intel MKL 实现了多线程的优化。 在双核和多核处理器上，它能够为DGEMM函数带来2-5倍的性能提升。下图中，我们能够发现： 1）相比于ATLAS 函数库， Intel MKL 能够有明显性能提 2）Intel MKL BLAS 函数提供性能优越的多线程的支持

2) ScaLAPACK 是集群上求解线性方程的标准程序包。它是线性代数程序包（LAPACK）函数的一个子集。下图显示了对于不同问题与不同内存大小，在64 位英特尔至强处理器的 32 节点集群上， Intel MKL的性能. 图中数据表明：1）Intel MKL ScaLAPACK 性能明显超过 NETLIB ScaLAPACK。 2). 与使用 ATLAS* BLAS 与 NETLIB ScaLAPACK 代码相比，英特尔 MKL 的性能更为突出。

3). Intel MKL傅立叶变换函数已针对中等和大型问题进行高度优化。下面的图表将Intel MKL 的性能与广为使用的FFT计算函数FFTW的性能进行了比较。该图表主表明：1)Intel MKL提供优异的傅立叶变换的性能。2) 英特尔® MKL 为多处理器系统提供出色的可伸缩性。 3)在中等和大型转换方面，英特尔® MKL 比 FFTW 更出色。
1 维转换

2 维转换

英特尔®集成性能函数库（英特尔® IPP ）提供在英特尔®平台上优化的函数，开发人员可以直接应用这些函数，从而获得高的应用性能。下面是一些性能数据：

英特尔® IPP 5.3针对新sse4功能也进行了性能优化，用以提高对新一代45纳米制程的Intel ® Core ™ 2处理器家族的支持。
具体图片在：http://topic.csdn.net/u/20080331/15/2dbb7f6f-7141-40f5-995f-2fe31ace6254.html。

下面是一个使用Intel MKL 进行矩阵计算的例子. 通过的这个例子，我们可以了解如何使用Intel MKL 的函数库：

1>程序说明：下面的matrix.c 文件分别调用 C 代码，Intel MKL BLAS Level 1 函数 (ddot), BLAS Level 2 函数(dgemv) 与 BLAS Level 3的函数(DGEMM)完成矩阵计算： roll_your_own_multiply 是 C 源代码，它直接依赖编译器生成优化代码。Ddot_Multiply，Dgemv_multiply使用Intel MKL 函数实现部分矩阵运算。Dgemm_multiply 直接调用MKL 的矩阵计算函数。

2>程序编译与链接：


下面是在Linux 32 的系统上，使用Intel Compiler编译该程序并链接Intel MKL 10.0的例子：
> source /opt/intel/cc/10.x.xxx/bin/iccvars.sh #设置Intel Compiler 环境变量
> icl –o matrix –I/opt/intel/mkl/10.0.xxxxx/include/ matrix.c-L/opt/intel/mkl/10.0.xxxx/lib/32/ -lmkl_intel_c -lmkl_intel_thread -lmkl_core -lguide40.lib –lpthread

其他的链接的方式，大家可以查看下面的帖子：http://support.intel.com/support/performancetools/sb/CS-028699.htm

3> 程序执行：
> source /opt/intel/mkl/10.0.xxxxx/tools/environment/mklvars32.sh #程序使用动态方式链接MKL函数时，设置MKL的环境变量。
>./matrix

4> 设置多线程运行：在Intel MKL 10.0 使用OpenMP* 实现多线程。 OpenMP*程序可以通过环境变量 OMP_NUM_THREADS 去控制线程的数目。
> export OMP_NUM_THRADS=4 #设置程序的线程为 4
> ./matrix #DGEMM在执行的时候使用4个线程。

注意：在MKL 10.0 中， 如果OMP_NUM_THREADS没有定义，MKL函数可能会根据数据的大小，以及其他的变量来设置线程数目， 缺省时，可能运行多个线程运行。

英特尔IPP的链接方式

英特尔IPP由三种函数库组成
Dynamic包括对各种处理器的优化代码动态库，如ipps.lib，ippst7.dllg
Static Emerged 包括对各种处理器的优化代码静态库，如ippsemerged.lib
Static Merged 包括对指定处理器的优化代码静态库

对于不同的需求，这些函数库提供以下四种链接模式，
动态链接（Dynamic linkage），简便易用，但可执行文件和库文件总量大。
定制的动态链接（Custom dynamic linkage），抽取指定函数的优化代码组成新动态库，减少可执行文件和库文件大小。
支持单种处理器的静态链接（Single processor static linkage），可执行文件最小，只含适用于指定处理器的优化代码。
支持多种处理器的静态链接（Static linkage with dispatching），可执行文件较小，只含适用于所有处理器的优化代码。