我想编写一个广泛使用 BLAS 和 LAPACK 线性代数功能的程序。由于性能是一个问题，我做了一些基准测试并想知道我采用的方法是否合法。
可以这么说，我有三个参赛者，想用一个简单的矩阵-矩阵乘法来测试他们的表现。参赛者是：
- Numpy，仅使用
dot. - Python，通过共享对象调用 BLAS 功能。
- C++，通过共享对象调用 BLAS 功能。
设想
我为不同的维度实现了矩阵-矩阵乘法i。i从 5 运行到 500，增量为 5 和矩阵m1，m2设置如下：
m1 = numpy.random.rand(i,i).astype(numpy.float32)
m2 = numpy.random.rand(i,i).astype(numpy.float32)
1. 麻木
使用的代码如下所示：
tNumpy = timeit.Timer("numpy.dot(m1, m2)", "import numpy; from __main__ import m1, m2")
rNumpy.append((i, tNumpy.repeat(20, 1)))
2. Python，通过共享对象调用BLAS
带功能
_blaslib = ctypes.cdll.LoadLibrary("libblas.so")
def Mul(m1, m2, i, r):
no_trans = c_char("n")
n = c_int(i)
one = c_float(1.0)
zero = c_float(0.0)
_blaslib.sgemm_(byref(no_trans), byref(no_trans), byref(n), byref(n), byref(n),
byref(one), m1.ctypes.data_as(ctypes.c_void_p), byref(n),
m2.ctypes.data_as(ctypes.c_void_p), byref(n), byref(zero),
r.ctypes.data_as(ctypes.c_void_p), byref(n))
测试代码如下所示：
r = numpy.zeros((i,i), numpy.float32)
tBlas = timeit.Timer("Mul(m1, m2, i, r)", "import numpy; from __main__ import i, m1, m2, r, Mul")
rBlas.append((i, tBlas.repeat(20, 1)))
3.c++，通过共享对象调用BLAS
现在 c++ 代码自然要长一些，所以我将信息减少到最低限度。
我用
void* handle = dlopen("libblas.so", RTLD_LAZY);
void* Func = dlsym(handle, "sgemm_");
我这样测量时间gettimeofday：
gettimeofday(&start, NULL);
f(&no_trans, &no_trans, &dim, &dim, &dim, &one, A, &dim, B, &dim, &zero, Return, &dim);
gettimeofday(&end, NULL);
dTimes[j] = CalcTime(start, end);
哪里j是一个循环运行 20 次。我计算过去的时间
double CalcTime(timeval start, timeval end)
{
double factor = 1000000;
return (((double)end.tv_sec) * factor + ((double)end.tv_usec) - (((double)start.tv_sec) * factor + ((double)start.tv_usec))) / factor;
}
结果
结果如下图所示：
问题
- 你认为我的方法是公平的，还是我可以避免一些不必要的开销？
- 您是否期望结果会显示 c++ 和 python 方法之间存在如此巨大的差异？两者都使用共享对象进行计算。
- 由于我更愿意在我的程序中使用 python，所以在调用 BLAS 或 LAPACK 例程时我可以做些什么来提高性能？
下载
完整的基准测试可以在这里下载。（JF Sebastian 使该链接成为可能^^）
![矩阵乘法（大小=[1000,2000,3000,5000,8000]）](https://i.stack.imgur.com/ZU7u4.png)
