Python 特征矩阵与Numpy阵列乘法性能

我读到了

eigen

有很好的性能。然而，我试图比较

eigen

MatrixXi

乘法速度与

numpy

数组

乘法。而

numpy

的性能更好（约26秒，而不是约29秒）。有没有更有效的方法来实现这一点

这是我的密码：

努比：

import numpy as np
import time

n_a_rows = 4000
n_a_cols = 3000
n_b_rows = n_a_cols
n_b_cols = 200

a = np.arange(n_a_rows * n_a_cols).reshape(n_a_rows, n_a_cols)
b = np.arange(n_b_rows * n_b_cols).reshape(n_b_rows, n_b_cols)

start = time.time()
d = np.dot(a, b)
end = time.time()

print "time taken : {}".format(end - start)

结果:

time taken : 25.9291000366

Time taken : 29.05

特征值：

#include <iostream>
#include <Eigen/Dense>
using namespace Eigen;
int main()
{

  int n_a_rows = 4000;
  int n_a_cols = 3000;
  int n_b_rows = n_a_cols;
  int n_b_cols = 200;

  MatrixXi a(n_a_rows, n_a_cols);

  for (int i = 0; i < n_a_rows; ++ i)
      for (int j = 0; j < n_a_cols; ++ j)
        a (i, j) = n_a_cols * i + j;

  MatrixXi b (n_b_rows, n_b_cols);
  for (int i = 0; i < n_b_rows; ++ i)
      for (int j = 0; j < n_b_cols; ++ j)
        b (i, j) = n_b_cols * i + j;

  MatrixXi d (n_a_rows, n_b_cols);

  clock_t begin = clock();

  d = a * b;

  clock_t end = clock();
  double elapsed_secs = double(end - begin) / CLOCKS_PER_SEC;
  std::cout << "Time taken : " << elapsed_secs << std::endl;

}

---

我正在使用

numpy 1.8.1

和

eigen 3.2.0-4

我的问题在评论中由@Jitse Niesen和@ggael回答

我需要添加一个标志来在编译时打开优化：

-O2-DNDEBUG

（O是大写的O，不是零）

包含此标志后，

eigen

代码运行时间为

0.6

秒，而无此标志时运行时间为

~29

秒。

更改：

a = np.arange(n_a_rows * n_a_cols).reshape(n_a_rows, n_a_cols)
b = np.arange(n_b_rows * n_b_cols).reshape(n_b_rows, n_b_cols)

进入：

这使我的笔记本电脑至少提高了100倍：

time taken : 11.1231250763

vs:

---

除非你真的想乘以整数。在Eigen中，将双精度数字相乘也会更快（相当于将MatrixXi替换为MatrixXd三次），但我只看到了1.5个因素：所用时间：0.555005 vs 0.846788。

是否在启用优化的情况下编译？这是一个巨大的不同。在我的笔记本电脑上，Eigen需要0.6秒，Python几乎需要10秒。@JitseNiesen，可能不会，如何在计算机上进行优化编译？我运行了这一行

g++-std=c++11-I/usr/include/eigen3 time\u eigen.cpp-o my\u exec

@ggael，谢谢。当我运行：g++-std=c++11-I/usr/include/eigen3 time_eigen.cpp-o my_exec-02-DNDEBUG时，我得到以下错误：g++:error:unrecogned命令行选项'-02'。我也试着通过谷歌找到了答案，但不知道有什么用处。你有什么建议吗？在没有

-02

的情况下编译对性能没有帮助。@Akavall ggael编写的-O2是“减去大写字母-o 2”，而不是零。@AviGinsburg，谢谢，我一定是瞎子了。这确实加快了速度。谢谢！非常有趣，你们知道这是为什么吗？我们应该仔细检查一下，但我猜若矩阵是浮点，那个么乘法是由外部库完成的。如果不是，则通过简单的“三个嵌套for循环”算法进行乘法。需要注意的是，对于这种大小的矩阵，正确选择乘法算法很重要，这一点可以通过文件得到证实：（行约930到1030）Bul所有这些都不能解释执行速度中的因子100。图书馆很重要，但不是那么多……我希望最多是10.但是<代码> EGIN <代码>代码仍然与<代码> NoMPy < /Cord>版本一致。标志-O2-DNDebug怎么办？

time taken : 11.1231250763

time taken : 0.124922037125