numpy的/ Python的執行與Matlab的

我有在python簡單的矩陣乘法的代碼（numpy的）numpy的/ Python的執行與Matlab的

import numpy as np 
import time 
a = np.random.random((70000,3000)); 
b = np.random.random((3000,100)); 
t1=time.time() 
c = np.dot(a,b); 
t2=time.time() 
print 'Time passed is %2.2f seconds' %(t2-t1

它需要大約16秒來完成乘法（C = np.dot（A，B） ;）在一個核心上。但是，當我在Matab上運行相同的乘法運算時，需要大約1秒（6個內核）才能完成乘法運算。

那麼，爲什麼Matlab比矩陣乘法numpy快2.6倍呢？（每個內核的性能對我來說很重要）

更新我這次嘗試過使用Eigen的同樣的事情。它的性能比Matlab稍好。 Eigen使用與Numpy使用相同的Blas實現。所以Blas的實現並不是性能缺點的來源。

要確保安裝的numpy的使用BLAS，我np.show_config（）

enter code here 
blas_info: 
    libraries = ['blas'] 
    library_dirs = ['/usr/lib64'] 
    language = f77 
lapack_info: 
    libraries = ['lapack'] 
    library_dirs = ['/usr/lib64'] 
    language = f77 

atlas_threads_info: 
    NOT AVAILABLE 

blas_opt_info: 
    libraries = ['blas'] 
    library_dirs = ['/usr/lib64'] 
    language = f77 
    define_macros = [('NO_ATLAS_INFO', 1)] 

atlas_blas_threads_info: 
    NOT AVAILABLE 

lapack_opt_info: 
    libraries = ['lapack', 'blas'] 
    library_dirs = ['/usr/lib64'] 
    language = f77 
    define_macros = [('NO_ATLAS_INFO', 1)] 

atlas_info: 
    NOT AVAILABLE 

lapack_mkl_info: 
    NOT AVAILABLE 

blas_mkl_info: 
    NOT AVAILABLE 

atlas_blas_info: 
    NOT AVAILABLE 

mkl_info: 
    NOT AVAILABLE

來源

2012-04-03 iampat

你是如何安裝Numpy的？也許從Ubuntu軟件包？ – 2012-04-03 17:52:39

blas是來自netlib的參考blas - 最慢的blas。改爲安裝atlas或mkl。 – Anycorn 2012-04-03 17:54:52

是的，我用__sudo apt-get安裝python-numpy__ – iampat 2012-04-03 17:56:13

嘗試了Enthought Python Distribution。其中一個鏈接到Intel Math Kernel Library，這是高度優化和MatLab使用。

編輯：2017年更新。Anaconda distribution真的是這些天去的方式。

來源

2012-04-03 17:57:01 Gourneau

謝謝你的回答。我無法改變我的python發行版。但是，我可以執行blas。 – iampat 2012-04-03 20:31:14

這次我使用Eigen嘗試過同樣的事情。它的性能比Matlab稍好。 Eigen使用與Numpy使用相同的Blas實現。所以Blas的實現並不是性能缺點的來源。 – iampat 2012-04-03 21:40:21

numpy的/ Python的執行與Matlab的

回答

相關問題