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

Question

我读here认为“确保numpy在您的系统上使用优化版BLAS / LAPACK库”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版本使用优化的BLAS / LAPACK库，如果没有，我如何设置numpy以便它确实使用优化版本？

Answer 1

的种类。 OpenBLAS非常好。我只是拿了第一个链接，我可以在google上找到“OpenBLAS，ATLAS，MKL比较”。

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

现在，这不是全部。根据您需要的算法，差异可能不会/略有差异。除了运行与不同实现链接的自己的代码之外，真的没什么可做的。

我最喜欢的各种线性代数问题，SVD，Eigs，实数和伪反转，因子...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，但仍然很安静：ATLAS和OpenBLAS相提并论
3. 即使在AMD处理器上，ACML也一直令我失望

TLDR：你的设置很好。但是如果你想从CPU / RAM /主板组合中挤出最后一滴血，你需要MKL。它当然有相当的价格标签，但如果你能得到一半的硬件作为回报，也许值得。如果您编写开源软件包，可以免费使用MKL进行开发。