Fatal编程技术网
  • numpy/
  • 使用mkl的numpy上不支持对象数组？

使用mkl的numpy上不支持对象数组？

numpy

使用mkl的numpy上不支持对象数组？,numpy,sympy,intel-mkl,openblas,Numpy,Sympy,Intel Mkl,Openblas,我最近从使用OpenBLAS编译的numpy切换到使用mkl编译的numpy。在纯数值运算中，矩阵乘法的速度明显加快。然而，当我运行一些代码时，我一直在使用它乘以包含sympy变量的矩阵，现在我得到了错误 '当前不支持对象数组' 有人知道为什么mkl会出现这种情况而开放blas不会出现这种情况吗？1.17.0的发行说明 Support of object arrays in matmul It is now possible to use matmul (or the @ operator) w

我最近从使用OpenBLAS编译的numpy切换到使用mkl编译的numpy。在纯数值运算中，矩阵乘法的速度明显加快。然而，当我运行一些代码时，我一直在使用它乘以包含sympy变量的矩阵，现在我得到了错误

'当前不支持对象数组'

有人知道为什么mkl会出现这种情况而开放blas不会出现这种情况吗？

1.17.0的发行说明

Support of object arrays in matmul
It is now possible to use matmul (or the @ operator) with object arrays. For instance, it is now possible to do:

from fractions import Fraction
a = np.array([[Fraction(1, 2), Fraction(1, 3)], [Fraction(1, 3), Fraction(1, 2)]])
b = a @ a
您正在使用
@
（
matmul
或
dot
）吗？包含
sympy
对象的
numpy
数组将是object
dtype
。对象数组的数学依赖于将操作委托给对象自己的方法。快速编译库无法执行此操作，它只能处理
c
类型，例如
float
和
double

一般来说，您不应该尝试将
numpy
和
sympy
混合使用。数学是偶然的，从不快速。使用
symphy的
own
Matrix
模块，或
lambdify
表达式进行数值计算


mkl的
版本是什么？您可能需要与该汇编的创建者一起探讨这一点。
我使用了@。我想我比较了使用sympy matrix模块和numpy@的计时，发现在我最初编写代码时，这种特殊用途的计时速度更快。是我用的。我猜numpy版本太旧了。使用MKL的矩阵乘法只适用于单精度（np.float32，np.complex64）或双精度（np.float64，np.complex128）的浮点数组。MKL不支持所有其他数据类型，但Numpy中也有C/Cython实现，它们也可以与其他一些数据类型一起使用。（但速度要慢得多）