时间戳

首页 > 解决方案 > 不确定我的 Python/numpy 版本是否使用优化的 BLAS/LAPACK 库？

python - 不确定我的 Python/numpy 版本是否使用优化的 BLAS/LAPACK 库？

问题描述

我在这里读到“确保 numpy 在您的系统上使用优化版本的 BLAS/LAPACK 库”很重要。

当我输入：

import numpy as np
np.__config__.show()

我得到以下结果：

blas_mkl_info:
  NOT AVAILABLE
blis_info:
  NOT AVAILABLE
openblas_info:
    libraries = ['openblas', 'openblas']
    library_dirs = ['/home/anaconda3/lib']
    language = c
    define_macros = [('HAVE_CBLAS', None)]
blas_opt_info:
    libraries = ['openblas', 'openblas']
    library_dirs = ['/home/anaconda3/lib']
    language = c
    define_macros = [('HAVE_CBLAS', None)]
lapack_mkl_info:
  NOT AVAILABLE
openblas_lapack_info:
    libraries = ['openblas', 'openblas']
    library_dirs = ['/home/anaconda3/lib']
    language = c
    define_macros = [('HAVE_CBLAS', None)]
lapack_opt_info:
    libraries = ['openblas', 'openblas']
    library_dirs = ['/home/anaconda3/lib']
    language = c
    define_macros = [('HAVE_CBLAS', None)]

这是否意味着我的 numpy 版本正在使用优化的 BLAS/LAPACK 库，如果没有，我该如何设置 numpy 以便它使用优化的版本？

标签： pythonnumpyanacondalapackblas

解决方案

有点儿。OpenBLAS 还不错。我刚刚获取了第一个链接，我可以在谷歌上找到“OpenBLAS、ATLAS、MKL 比较”。

http://markus-beuckelmann.de/blog/boosting-numpy-blas.html

现在，这还不是全部。根据您需要的算法，差异可能不会/略有/有很大不同。除了运行与不同实现链接的您自己的代码之外，真的没有什么可以做的了。

我最喜欢的各种线性代数问题、SVD、Eigs、实数和伪反演、因式分解……不同操作系统上的单核/多核：

MacOS：加速框架（随操作系统提供） Linux/Windows：

  1. MKL
  2. 距离很远但仍然很安静：ATLAS 和 OpenBLAS 不相上下
  3. 即使在 AMD 处理器上，ACML 也一直让我失望

TLDR：您的设置很好。但是如果你想从你的 CPU / RAM / 主板组合中挤出最后一滴血，你需要 MKL。当然，它的价格相当高，但是如果您能以一半的价格获得硬件作为回报，也许值得。如果你写了一个开源包，你可以免费使用 MKL 进行开发。

推荐阅读