Numpy的运行速度是MATLAB的一半
我一直在将MATLAB代码移植到Python上，经过大量的工作，我已经有了可以工作的东西。然而，缺点是Python比MATLAB运行我的代码更慢。我知道使用优化的ATLAS库会加快速度，但实际上实现这一点会让我感到困惑。下面是正在发生的事情：
我在没有安装BLAS的情况下启动ipython会话：
import numpy.distutils.system_info as sysinfo
import time
In [11]: sysinfo.get_info('atlas')
Out[11]: {}
timeit( eig(randn(1E2,1E2)) )
100 loops, best of 3: 13.4 ms per loop在Matlab中，相同的代码运行速度快两倍
tic,eig(randn(1E2));toc*1000
6.5650 我从Ubuntu存储库安装了未优化的ATAS deb。重新启动ipython，现在我得到：
In [2]: sysinfo.get_info('atlas')
...
Out[2]:
{'define_macros': [('ATLAS_INFO', '"\\"3.8.4\\""')],
'include_dirs': ['/usr/include/atlas'],
'language': 'f77',
'libraries': ['lapack', 'f77blas', 'cblas', 'atlas'],
'library_dirs': ['/usr/lib/atlas-base/atlas', '/usr/lib/atlas-base']}以及测试代码：
In [4]: timeit( eig(randn(1E2,1E2)) )
100 loops, best of 3: 16.8 ms per loop所以没有更快的速度。如果有什么不同的话，那就是稍微慢一点。但我还没有切换到优化的BLAS。我遵循以下说明：http://danielnouri.org/notes/category/python/我构建这些库，并用这些库覆盖未优化的版本。我重新启动了ipython，但没有任何变化：
In [4]: timeit( eig(randn(1E2,1E2)) )
100 loops, best of 3: 15.3 ms per loop难道不能比这更好吗？在这个简单的例子中，MATLAB的速度仍然是原来的两倍。在一个真实的例子中，我在傅立叶域中进行图像配准，Matlab的等效配准比Python版本快4到5倍。有没有人能让Numpy以MATLAB的速度工作？
回答 1
Stack Overflow用户
发布于 2013-04-23 20:48:02
简单的例子
Numpy同时计算特征向量和特征值，因此它将花费大约两倍的时间，这与您的速度减慢一致(使用np.linalg.eigvals仅计算特征值)。
最后，np.linalg.eig是dgeev的一个小包装器，很可能同样的事情也会发生在使用MKL的Matlab中。
为了在线性代数中获得几乎相同的速度，您可以针对MKL或OpenBLAS构建Numpy。Continuum或Enthought提供了一些商业服务(可能对学者是免费的)。您还可以获得MKL并构建Numpy yourself。
真实世界的例子
4倍的速度似乎太慢了(我用Numpy重写了一些Matlab代码，两个程序的执行方式非常相似)。考虑到最近的Matlab版本提供了一个简单的JIT，所以循环并不像通常的Python实现那样糟糕。如果你正在做很多快速傅立叶变换，你可以从使用FFTW wrapper (pyFFTW看起来不错，但我还没有用过它)中受益。
https://stackoverflow.com/questions/16178471
复制
腾讯云开发者
