Python 带BLAS/ATLAS的预建numpy？

我正在实现一个实时LMS算法，numpy.dot比我的采样时间花费更多的时间，所以我需要numpy更快我的矩阵是1D和100长

我读过关于用ATLAS之类的东西建造numpy的书，但从来没有做过这样的事，我花了一整天的时间试图去做，但没有成功

有人能解释为什么没有包含ATLAS的构建吗？有人能给我一个吗？有没有其他方法可以加快dot产品的速度

我试过numba和scipy.linalg.gemm_dot，但它们似乎都没有加快速度

---

我的系统是带英特尔处理器的Windows8.1

如果您下载官方二进制文件，它们应该与ATLAS链接。如果要确保，请检查np.show\u config的输出。问题是ATLAS自动调整的线性代数系统检查许多不同的组合和算法，并在编译时保持最佳状态。因此，当您运行预编译的ATLAS时，您运行的是针对不同于您的计算机的优化的ATLAS

因此，您可以选择以下方法来改进dot：

自己编辑地图册。在Windows上，这可能有点挑战性，但它是可行的。注意：必须使用与编译Python相同的编译器。也就是说，如果您决定使用MinGW，您需要使用MinGW编译Python，或者自己构建它。 试试克里斯托弗·高尔克的裸体。它与MKL相关联，MKL比ATLAS快得多，并在运行时进行所有优化。 尝试Continuum analytics的Conda，加速也与MKL相连。它需要钱，除非你是个学者。在Linux中，Conda比system python慢，因为出于兼容性目的，他们必须使用旧的编译器；我不知道Windows上是否是这样。 使用Linux。您的Python生活将更加轻松，设置系统来编译东西非常简单。此外，设置Cython也很简单，然后您可以编译整个算法，并可能进一步加快速度。 关于Cython的说明也适用于Windows，只是要让它工作起来更加困难。几年前我使用Windows时尝试过，几天后失败了；我不知道情况是否有所改善

备选方案：

你在做两个向量的点积。那么，np.dot可能不是最有效的方法。我想用简单的Python vec1*vec2.sum解释一下，它对Numba非常有用，它可以优化这个表达式，或者使用numexpr：

ne.evaluate(`sum(vec1 * vec2)`)

---

Numexpr还将自动并行化表达式。

如果您下载官方二进制文件，它们应该与ATLAS链接。如果要确保，请检查np.show\u config的输出。问题是ATLAS自动调整的线性代数系统检查许多不同的组合和算法，并在编译时保持最佳状态。因此，当您运行预编译的ATLAS时，您运行的是针对不同于您的计算机的优化的ATLAS

因此，您可以选择以下方法来改进dot：

自己编辑地图册。在Windows上，这可能有点挑战性，但它是可行的。注意：必须使用与编译Python相同的编译器。也就是说，如果您决定使用MinGW，您需要使用MinGW编译Python，或者自己构建它。 试试克里斯托弗·高尔克的裸体。它与MKL相关联，MKL比ATLAS快得多，并在运行时进行所有优化。 尝试Continuum analytics的Conda，加速也与MKL相连。它需要钱，除非你是个学者。在Linux中，Conda比system python慢，因为出于兼容性目的，他们必须使用旧的编译器；我不知道Windows上是否是这样。 使用Linux。您的Python生活将更加轻松，设置系统来编译东西非常简单。此外，设置Cython也很简单，然后您可以编译整个算法，并可能进一步加快速度。 关于Cython的说明也适用于Windows，只是要让它工作起来更加困难。几年前我使用Windows时尝试过，几天后失败了；我不知道情况是否有所改善

备选方案：

你在做两个向量的点积。那么，np.dot可能不是最有效的方法。我想用简单的Python vec1*vec2.sum解释一下，它对Numba非常有用，它可以优化这个表达式，或者使用numexpr：

ne.evaluate(`sum(vec1 * vec2)`)

---

如果你想要二进制安装，你可以考虑。https://store.continuum.io/cshop/accelerate/ 英特尔的mkl。此外，您还可以按照ATLAS numpy安装说明进行安装。请查看Cristoph Gohlke的预构建软件包：您的采样时间是多少？@Ophion谢谢，我会查看的！关于说明：这就是我昨天一整天都在尝试的东西，前几步都没能完成，我完全是个书呆子，在壳里写东西：@WarrenWeckesser这就是我正在使用的东西，与matlab相比，numpy.dot慢得要命，我的采样时间约为46毫秒。现在

---

---

我已经很好地调整了它，所以在我的笔记本电脑上有最高的性能设置，我可以在那个时间内运行算法，但是我仍然对性能不满意。如果你想要二进制安装，你可以考虑。https://store.continuum.io/cshop/accelerate/ 英特尔的mkl。此外，您还可以按照ATLAS numpy安装说明进行安装。请查看Cristoph Gohlke的预构建软件包：您的采样时间是多少？@Ophion谢谢，我会查看的！关于说明：这就是我昨天一整天都在尝试的东西，前几步都没能完成，我完全是个书呆子，在壳里写东西：@WarrenWeckesser这就是我正在使用的东西，与matlab相比，numpy.dot慢得要命，我的采样时间约为46毫秒。现在我已经对它进行了微调，在笔记本电脑上设置了最高的性能，我可以在这段时间内运行算法，但我仍然对它的性能不满意。谢谢你的回答，我自己编译任何东西都失败了，所以现在这是不可能的。关于Gholke的numpy：我有一个，但我没有MKL，这不是一个问题吗？现在我已经下载了一个MKL，但没有任何变化，不确定numpy是否识别它已重新安装。学习Linux需要一些时间，而我没有atm。奇怪的是，当运行一个简单的测试时，.sum提供了更好的性能，但是在我的代码中实现了它之后，我读到了与np.dot相同的性能。不知道那里发生了什么。哦，numexpr在我的代码中完全无法接近。霍尔克的numpy已经捆绑了MKL。您可以使用numpy.show\u configure进行检查。对于numexpr，您的阵列有点小，请尝试使用ne.set\u num\u threads2。如果你发布你的代码，我们可以看到限制是多少。你分析过它吗？我还没有分析，只是用time.clock测量了一些运行时。下面是我的代码：只需使用python-mcprofile-ooutput.profile program.py运行它，然后使用Runsnake打开它。这将告诉你你的问题到底在哪里，并给你关于如何优化的更好的提示。谢谢你的回答，我自己很难编译任何东西，所以这是不可能的。关于Gholke的numpy：我有一个，但我没有MKL，这不是一个问题吗？现在我已经下载了一个MKL，但没有任何变化，不确定numpy是否识别它已重新安装。学习Linux需要一些时间，而我没有atm。奇怪的是，当运行一个简单的测试时，.sum提供了更好的性能，但是在我的代码中实现了它之后，我读到了与np.dot相同的性能。不知道那里发生了什么。哦，numexpr在我的代码中完全无法接近。霍尔克的numpy已经捆绑了MKL。您可以使用numpy.show\u configure进行检查。对于numexpr，您的阵列有点小，请尝试使用ne.set\u num\u threads2。如果你发布你的代码，我们可以看到限制是多少。你分析过它吗？我还没有分析，只是用time.clock测量了一些运行时。下面是我的代码：只需使用python-mcprofile-ooutput.profile program.py运行它，然后使用Runsnake打开它。这将向您展示问题的真正所在，并为您提供如何优化的更好提示。