Python Ubuntu上的NumPy/Scikit,更好地从预编译源代码(例如Anaconda)构建?
不同的文档提供了相互矛盾的信息:使用pip安装NumPy(根据我的经验,Python Ubuntu上的NumPy/Scikit,更好地从预编译源代码(例如Anaconda)构建?,python,numpy,scikit-learn,Python,Numpy,Scikit Learn,不同的文档提供了相互矛盾的信息:使用pip安装NumPy(根据我的经验,pip在Ubuntu上安装NumPy总是从源代码构建NumPy)还是使用编译发行版,例如Anaconda2 该网站指出: (…)如果您想使用上次对NumPy和SciPy所做的改进 在Linux上,您必须从源代码构建它 While解释道: 我们不建议在linux上使用pip安装scipy或numpy,因为 这将涉及一个具有许多依赖项的冗长构建过程。 如果不仔细配置,自行构建numpy可能会导致 安装速度比实际速度慢得多 当运行
pip在Ubuntu上安装NumPy
总是从源代码构建NumPy)还是使用编译发行版,例如Anaconda2
该网站指出:
(…)如果您想使用上次对NumPy和SciPy所做的改进
在Linux上,您必须从源代码构建它
While解释道:
我们不建议在linux上使用pip安装scipy或numpy,因为
这将涉及一个具有许多依赖项的冗长构建过程。
如果不仔细配置,自行构建numpy可能会导致
安装速度比实际速度慢得多
当运行在Ubuntu 14.04
上时,哪种方式对处理大数据和进行机器学习的程序的性能更有利?本文描述了代码和gcc/内核环境的微小变化如何对NumPy性能进行重大改进。因此,我想用结论来结束这个问题:
- 尽可能使用NumPy/Scipy库的编译发行版
- 如果您没有其他选择,或者您想自定义构建参数,因为您知道自己在做什么,请编译NumPy/Scipy
欢迎就此事进行讨论,以便我可以更改我的答案如果你投反对票,我希望你能给我一个简短的评论,解释我如何提高这个问题的质量,或者下次避免什么。谢谢<代码>哪种方式对程序性能更有利-如果您知道自己在做什么,那么自己编译总是和二进制版本一样好。像你和我这样的普通用户通常不关心性能的微小额外百分比。