现在做的DNN、CNN都是在底层把计算转换为矩阵乘法。加速矩阵乘法就是用的BLAS库。很多情况下，application叫做R standard interface，就是单线程实现的矩阵乘的库，可以很容易地把这个库替换下面的部分，既可以替换成GPU加速的cuBLAS库，也可以是多核或多线程的intel的MKL库和OpenBLAS。通过这种方式，可以很快地提高矩阵运算速度。
Linux下有个NVBLAS库，它其实是cuBLAS的wrapper，从它里面就可以调整各种精度的矩阵乘。
它不仅支持单GPU，还支持多GPU。它的主要好处是对code不需要做任何改变，也就是zero programming effort，只需要把NVBLAS库load在前面，这个库就被替换成cuBLAS，跑到GPU上。
所以在做应用程序开发，大家通常有一种思路，如果想加速一个计算，就尝试把这个计算转换成矩阵计算，并加载各种多线程库或并行库，那么程序可以得到很快地提高，这其中不需要太多code的重写。然后看下benchmark，有两种benchmark。
蓝色的线是用原来的的R跑的程序，可以看到运行时间多很多，加载了NVBLAS库以后，运行时间少了很多。其他是一些在很多程序里运用的基础算法。当程序比较依赖于这种基础算法，就可以考虑加载很多并行库，来看程序的运行效果。
1，ubuntu下安装sublime text3打开终端输入：
sudo add-apt-repository ppa:webupd8team/sublime-text-3#添加sublime text 3仓库
更新库：
sudoapt-get update #更新库
安装sublime text 3 ：
sudoapt-get install sublime-text-installer #安装sublime text 3
2，安装packagecontrol
下面就需要安装能运行R的插件啦，安装之前可以先安装packagecontrol具体方法如下
打开sublime text 3
通过快捷键ctrl+` 或者 View >Show Console菜单打开控制台
import urllib.request,ospf='PackageControl.sublime-package'ipp=sublime.installed_packages_path()urllib.request.install_opener(urllib.request.build_opener(urllib.request.ProxyHandler()))open(os.path.join(ipp,pf),'wb').write(urllib.request.urlopen('http:// sublime.wbond.net/'+pf.replace('',' ')).read())
粘贴以上代码回车就好了。
3安装packages（R-Box和sublimeREPL）：
sublime text 3中按下快捷键Ctrl+Shift+P调出命令面板，输入install选择installPackage选项回车，然后输入R-Box包，回车安装，然后同样的方法安装sublimeREPL包，安装好这两个包，恭喜你已经具备在sublime中运行的必要条件了，下面就是修改调试的过程了，
首先Ctrl+Shift+P调出命令面板输入R-Box:Choose Program 然后看见了sublimeREPL，ok就是选择这个。
然后菜单栏tools->sublimeREPL->R，此时R语言的运行窗口出来了，然后Alt+Shift+2实现左右分屏为两个栏，把R语言窗口调到右边就好了。
最后实践在代码框选中一段代码Ctrl+Enter，神奇的代码在右边出现啦，Ctrl+\是快捷设置R的工作空间为你代码所在的地方，超级方便。
好了赶快实践起来吧，感受sublime text 3带你飞的感觉，对了，还有就是每次启动时候要重新启动下sublimeREPL R这个没解决，以后解决的再发上来。
