NumPy/Python与Matlab的性能比较

Question

我有一个简单的 python（numpy）矩阵乘法代码。

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

在单个核上完成乘法(c = np.dot(a,b);)需要约16秒的时间。然而，当我在Matlab上运行相同的乘法时，它只需要约1秒钟(6个核心)就能完成乘法。

那么，为什么Matlab对于矩阵乘法比numpy快2.6倍呢？（对于我来说，每个核心的性能很重要）

更新：我这次尝试使用Eigen做同样的事情。它的表现略优于Matlab。Eigen使用与Numpy相同的Blas实现，因此Blas实现可能不是性能不足的源头。

为了确保安装的numpy使用了BLAS，我使用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

- iampat

---

你是如何安装Numpy的？也许是通过Ubuntu软件包安装的吗？ - Fred Foo

那个 blas 是来自 netlib 的参考 blas - 最慢的 blas。请安装 atlas 或 mkl 替代。 - Anycorn

是的，我使用了__sudo apt-get install python-numpy__。 - iampat

@iampat：这被认为是Numpy的一个非常次优的构建。在安装更好的BLAS库之后自己编译它，或者使用EPD。 - Fred Foo

这次我尝试使用Eigen做了同样的事情，它的性能比Matlab略好。Eigen使用与Numpy相同的Blas实现，因此Blas实现不可能是性能不佳的原因。 - iampat

@iampat - 你确定Eigen链接到了相同的BLAS实现吗？例如，在我的机器上，链接到netlib的BLAS的repo版本的numpy需要约50秒。使用链接到MKL的BLAS实现的EPD，计算只需要0.7秒。唯一的区别就是BLAS实现。 - Joe Kington

Answer 1

试用 Enthought Python Distribution。首先，它与 Intel Math Kernel Library相关联，后者经过高度优化并被MatLab使用。

编辑：更新至2017年， Anaconda distribution确实是当今最好的选择。

- Gourneau

---

谢谢您的回答。我不能更改我的Python发行版，但我可以更改BLAS实现。 - iampat

这次我尝试使用Eigen做了同样的事情，它的性能比Matlab略好。Eigen使用与Numpy相同的Blas实现，因此Blas实现不可能是性能不佳的原因。 - iampat