我正在使用C++的Armadillo线性代数库，在使用SLURM操作的集群上对角化高达65k x 65k的大矩阵。对于大于30k x 30k的矩阵，我得到以下错误消息：
Intel MKL ERROR: Parameter 9 was incorrect on entry to DSYTRD.
Intel MKL ERROR: Parameter 8 was incorrect on entry to DSTEDC.
Intel MKL ERROR: Parameter 12 was incorrect on entry to DORMTR.
我认为这可能是由于使用int32而不是int64造成的，尽管我启用了arma宏arma_USE_64bit、arma_USE_BLASS_LONG_LONG等，所以内部代码应该对64位整数进行操作。这是我的汇编行
g++ main.cpp IsingModel.cpp IsingModel_disorder.cpp IsingModel_sym.cpp tools.cpp user_interface.cpp -o Ising.o -pthread -I../LIBRARIES_CPP/armadillo-10.8.0/include/
-L${MKLROOT}/lib/intel64 -fopenmp -lmkl_intel_lp64 -lmkl_core -lmkl_intel_ilp64
-lmkl_sequential -lpthread -lm -lmkl_gnu_thread -lstdc++fs -llapack -fcx-fortran-rules
-fomit-frame-pointer -lblas -std=c++20 -std=c++17 -O3
对于那些知道SLURM的人，这里是我正在使用的模块：
module load Armadillo/9.900.1-foss-2020a
module load imkl/2021.4.0
module load OpenBLAS/0.3.18-GCC-11.2.0
感谢您提前提供的帮助！
对不起，我没有足够的声誉在下面发表评论，所以我必须给出答案。
在我使用Armadillo的过程中，我发现当前版本的Armdillo和英特尔MKL无法正常工作，并且可能存在漏洞(Ubuntu 20(。事实上，已经有很多关于这方面的报道，但我们很难做任何事情，因为正是Armadillo图书馆与这些图书馆相连。也许这对开发人员来说是个问题。
我自己发现OpenBlas是"英特尔MKL"的一个很好的替代方案，可以作为对Armadillo的支持。它真的很有效率。此外，如果你有一个英伟达GPU，NVBlas可以很好地与OpenBlas配合使用。(我的回答中详细介绍了将NVBlas与OpenBlas一起使用的cmake解决方案。(如果使用cmake安装Armadillo库，请稍微更改CmakeLists.txt文件以禁用MKL的检测。
CMake解决方案
如果安装了MKL，并且它在链接过程中一直出现问题，可以通过编辑CCD_ 3文件来禁用对MKL的支持，删除CCD_ 4并重新运行基于cmake的安装。(Armadillo自述(
在CMakeLists.txt中，注释掉包含以下内容的行(第327行(：
INCLUDE(ARMA_FindMKL)
g++溶液
使用g++，删除"英特尔MKL"的链接库，将-lopenblas用于OpenBlas。
g++ main.cpp IsingModel.cpp IsingModel_disorder.cpp IsingModel_sym.cpp tools.cpp
user_interface.cpp -o Ising.o -pthread -I../LIBRARIES_CPP/armadillo-10.8.0/include/
-fopenmp -lpthread -lm -lstdc++fs -llapack -fcx-fortran-rules
-fomit-frame-pointer -lblas -lopenblas -std=c++20 -O3