在我的计算机上，Python特征值计算比MATLAB慢得多。为什么？
我想用Python 2.6.5计算大型矩阵(大约1000x1000)的特征值。我一直无法快速做到这一点。我没有发现任何其他解决这个问题的帖子。
当我跑的时候
a = rand(1000,1000);
tic;
for i =1:10
eig(a);
end
toc;在MATLAB中，这大约需要30秒。Python中的类似测试需要216秒。使用RPy在R中运行它并不会显著提高计算速度。Octave中的一次测试花了93秒。我对速度上的差异感到有点困惑。
我在网上能找到的类似问题的唯一实例是this，它已经有好几年的历史了。这个问题中的发帖者有一个不同的Python目录结构(我将其归因于帖子的年龄，尽管我可能会弄错)，所以我没有足够的信心去尝试遵循记者发布的说明。
我的包管理器说我已经安装了LAPACK，并且我正在使用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的信息，请告诉我。
回答 2
Stack Overflow用户
发布于 2011-05-19 07:33:05
我认为您看到的是Matlab正在使用的Intel Math Kernel Library (MKL)与您系统上的任何LAPACK实现(也许是ATLAS？)之间的区别。那个scipy与。你可以看到MKL在these benchmarks中的速度有多快。
我想，如果您能够根据英特尔MKL库重新构建Scipy，您将获得更好的性能。如果您使用的是Windows，那么可以从here下载预先构建的副本，或者您可以考虑使用类似于consider发行版的东西。
Stack Overflow用户
发布于 2011-05-19 06:53:01
我确实在时间上有所不同，但没有你的那么激烈。我的MATLAB (R2010b)计时是大约25秒，而python (2.7)计时是大约60秒。
我对这些数字并不感到惊讶，因为MATLAB仅仅是一种数值和矩阵操作语言，而且它的JIT加速器比python更有优势，后者是一种通用语言。通常，MATLAB和python+numpy之间的差异非常小，但当矩阵大小时会变得很明显，就像您的例子一样。
这并不意味着没有办法提高python的性能。scipy网站上的PerformancePython文章很好地介绍了提高python性能的不同方法。
https://stackoverflow.com/questions/6051678
复制相似问题
腾讯云开发者
