Python 优化numpy数组乘法：*比numpy.dot快？

问题：

1） 当使用BLAS时，为什么

numpy.dot（）

比下面示例代码中的

*

慢

2） 在这种情况下，有没有一种方法可以实现

numpy.dot（）

而不是

*

，从而更快地实现数组乘法？我认为我遗漏了一条关键信息，这将回答问题1，这意味着

numpy.dot（）

至少与

*

一样快，如果不是更快的话

详情如下。提前感谢您的回答和帮助

详细信息：

我正在编写一个程序，在Windows7上使用Python2.7（64位）、Numpy1.11.2和Anaconda2解决耦合PDE。为了提高程序输出的准确性，我需要使用大数组（shape（2，2^14）和更大的数组）和小的积分步骤，从而在每次模拟中产生大量的数组乘法运算，我需要对其速度进行优化

现在看来，只要安装了BLAS并使用numpy，就应该使用

numpy.dot（）

来加快与

*

相关的数组乘法。这是经常建议的。但是，当我使用下面的计时器脚本时，

*

比

numpy.dot（）

至少快7倍。在某些情况下，这会增加到大于1000的系数：

from __future__ import division
import numpy as np
import timeit

def dotter(a, b):
    return np.dot(a, b)

def timeser(a, b):
    return a*b

def wrapper(func, a, b):
    def wrapped():
        return func(a, b)
    return wrapped

size = 100
num = int(3e5)

a = np.random.random_sample((size, size))
b = np.random.random_sample((size, size))

wrapped = wrapper(dotter, a, b)
dotTime = timeit.timeit(wrapped, number=num)/num
print "\nTime for np.dot: ", dotTime

wrapped = wrapper(timeser, a, b)
starTime = timeit.timeit(wrapped, number=num)/num
print "\nTime for *: ", starTime

print "dotTime / starTime: ", dotTime/starTime

这将产生：

Time for np.dot:  8.58201189949e-05
Time for *:  1.07564737429e-05
dotTime / starTime:  7.97846218436

numpy.dot（）

和

*

都分布在多个内核中，我认为这表明BLAS在某种程度上起作用，至少：

查看

numpy.\uuuu config\uuuuu.show（）

似乎我正在使用BLAS和lapack（虽然不是openblas\u lapack？）：

---

np.dot

调用矩阵乘法，而

*

是元素乘法。对于Python 3.5+，矩阵乘法的符号是

@

。

np。dot

调用矩阵乘法，而

*

是元素乘法。对于Python3.5+，矩阵乘法的符号是

@

。

苹果和橙子之间的古老比较…@Bakuriu我似乎忍不住要这么做。显然，旧习惯很难改掉。苹果和橙子之间的旧比较…@Bakuriu我似乎忍不住要这么做。很明显，旧习惯很难改掉。很好，谢谢。指出愚蠢的错误总是好的！新规则：多睡觉，少咖啡因，在长途跋涉之前，所以…非常好，谢谢。指出愚蠢的错误总是好的！新规则：在长时间发帖之前多睡觉少咖啡因。。。

lapack_opt_info:
    libraries = ['mkl_lapack95_lp64', 'mkl_blas95_lp64', 'mkl_intel_lp64', 'mkl_intel_thread', 'mkl_core', 'libiomp5md', 'libifportmd']
    library_dirs = ['C:/Program Files (x86)/Intel/Composer XE/mkl/lib/intel64']
    define_macros = [('SCIPY_MKL_H', None), ('HAVE_CBLAS', None)]
    include_dirs = ['C:/Program Files (x86)/Intel/Composer XE/mkl/include']
blas_opt_info:
    libraries = ['mkl_lapack95_lp64', 'mkl_blas95_lp64', 'mkl_intel_lp64', 'mkl_intel_thread', 'mkl_core', 'libiomp5md', 'libifportmd']
    library_dirs = ['C:/Program Files (x86)/Intel/Composer XE/mkl/lib/intel64']
    define_macros = [('SCIPY_MKL_H', None), ('HAVE_CBLAS', None)]
    include_dirs = ['C:/Program Files (x86)/Intel/Composer XE/mkl/include']
openblas_lapack_info:
  NOT AVAILABLE
lapack_mkl_info:
    libraries = ['mkl_lapack95_lp64', 'mkl_blas95_lp64', 'mkl_intel_lp64', 'mkl_intel_thread', 'mkl_core', 'libiomp5md', 'libifportmd']
    library_dirs = ['C:/Program Files (x86)/Intel/Composer XE/mkl/lib/intel64']
    define_macros = [('SCIPY_MKL_H', None), ('HAVE_CBLAS', None)]
    include_dirs = ['C:/Program Files (x86)/Intel/Composer XE/mkl/include']
blas_mkl_info:
    libraries = ['mkl_lapack95_lp64', 'mkl_blas95_lp64', 'mkl_intel_lp64', 'mkl_intel_thread', 'mkl_core', 'libiomp5md', 'libifportmd']
    library_dirs = ['C:/Program Files (x86)/Intel/Composer XE/mkl/lib/intel64']
    define_macros = [('SCIPY_MKL_H', None), ('HAVE_CBLAS', None)]
    include_dirs = ['C:/Program Files (x86)/Intel/Composer XE/mkl/include']