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

Question

我读到here “确保 numpy 在您的系统上使用 BLAS/LAPACK 库的优化版本”非常重要。

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，如果不是，我如何设置 numpy 以便它使用优化版本？

Answer 1

有点。 OpenBLAS 还不错。我刚刚获取了第一个链接，我可以在 google 上找到该链接，寻找“OpenBLAS、ATLAS、MKL 比较”。

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

现在，这还不是故事的全部。根据您需要的算法，差异可能不会/略有/很大不同。除了运行针对不同实现链接的您自己的代码之外，实际上没有什么可做的。

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

MacOS:加速框架(随操作系统一起提供)Linux/Windows:

1. MKL
2. 距离很远，但仍然安静:ATLAS 和 OpenBLAS 不相上下
3. 即使在 AMD 处理器上，ACML 也始终令我失望

TLDR:您的设置很好。但如果你想榨干你的 CPU/RAM/主板组合的最后一滴血，你需要 MKL。当然，它的价格相当高，但如果你能得到一半价格的硬件作为返回，也许是值得的。如果您编写开源包，则可以免费使用 MKL 进行开发。