python - 多核硬件上的 numpy

Question

关于让 numpy 使用多核(在 Intel 硬件上)处理内部和外部向量积、向量矩阵乘法等事情的最新技术水平如何？

我很乐意在必要时重建 numpy，但此时我正在寻找无需更改代码即可加快速度的方法。

作为引用，我的show_config()如下，我从来没有观察到numpy使用多个核心:

atlas_threads_info:
    libraries = ['lapack', 'ptf77blas', 'ptcblas', 'atlas']
    library_dirs = ['/usr/local/atlas-3.9.16/lib']
    language = f77
    include_dirs = ['/usr/local/atlas-3.9.16/include']

blas_opt_info:
    libraries = ['ptf77blas', 'ptcblas', 'atlas']
    library_dirs = ['/usr/local/atlas-3.9.16/lib']
    define_macros = [('ATLAS_INFO', '"\\"3.9.16\\""')]
    language = c
    include_dirs = ['/usr/local/atlas-3.9.16/include']

atlas_blas_threads_info:
    libraries = ['ptf77blas', 'ptcblas', 'atlas']
    library_dirs = ['/usr/local/atlas-3.9.16/lib']
    language = c
    include_dirs = ['/usr/local/atlas-3.9.16/include']

lapack_opt_info:
    libraries = ['lapack', 'ptf77blas', 'ptcblas', 'atlas']
    library_dirs = ['/usr/local/atlas-3.9.16/lib']
    define_macros = [('ATLAS_INFO', '"\\"3.9.16\\""')]
    language = f77
    include_dirs = ['/usr/local/atlas-3.9.16/include']

lapack_mkl_info:
  NOT AVAILABLE

blas_mkl_info:
  NOT AVAILABLE

mkl_info:
  NOT AVAILABLE

Answer 1

您可能应该首先检查 numpy 使用的 Atlas 构建是否是使用多线程构建的。您可以构建并运行它来检查 Atlas 配置(直接来自 Atlas FAQ):

main()
/*
 * Compile, link and run with something like:
 *    gcc -o xprint_buildinfo -L[ATLAS lib dir] -latlas ; ./xprint_buildinfo
 * if link fails, you are using ATLAS version older than 3.3.6.
 */
{
   void ATL_buildinfo(void);
   ATL_buildinfo();
   exit(0);
}

如果您没有多线程版本的 Atlas:“这是您的问题”。如果它是多线程的，那么您需要使用适当大的矩阵-矩阵乘积来练习多线程 BLAS3 例程之一(可能是 dgemm)，并查看是否使用了线程。我想我说得对，Atlas 中的 BLAS 2 和 BLAS 1 例程都不支持多线程(并且有充分的理由，因为除了真正巨大的问题规模之外没有性能优势)。