Python 特征值计算比我计算机上的 MATLAB 慢得多。为什么？

Question

我想使用 Python 2.6.5 计算大型矩阵(大约 1000x1000)的特征值。我一直做不到这么快。我还没有找到解决这个问题的任何其他话题。

当我运行时

a = rand(1000,1000);
tic;
for i =1:10
    eig(a);
end
toc;

在 MATLAB 中大约需要 30 秒。 Python 中的类似测试需要 216 秒。使用 RPy 通过 R 运行它并没有明显加快计算速度。 Octave 中的测试耗时 93 秒。我对速度的差异感到有点困惑。

我在网上能找到的类似此类问题的唯一实例是 this ，已经有好几年了。该问题中的发帖人具有不同的 Python 目录结构(我将其归因于帖子的年代，尽管我可能会弄错)，因此我没有足够的信心尝试按照通讯员发布的说明进行操作。

我的包管理器说我安装了 LAPACK，我正在使用 NumPy 和 SciPy 进行 Python 计算:

from numpy import *
from scipy import *
from numpy.linalg import *
import time

a = randn(1000,1000)
tic = time.clock()
for i in range(0,10):
    eig(a)
toc = time.clock()
print "Elapsed time is ", toc-tic

我是 Python 的新手，所以我可能做了一些愚蠢的事情。如果我需要提供更多信息，请告诉我。

Answer 1

我认为您看到的是 Matlab 使用的英特尔数学核心函数库 (MKL) 与您的系统上的任何 LAPACK 实现(可能是 ATLAS？)scipy 链接的区别。您可以在 these benchmarks 中看到 MKL 的速度有多快.

我想如果您可以针对英特尔 MKL 库重建 Scipy，您将获得更好的性能。如果您使用的是 Windows，可以从 here 下载预制副本。 ，或者您可以考虑使用类似 Enthought Python Distribution 的东西。