3

我尝试在 MATLAB 和 NumPy 上分析 EIG 函数，以比较我的 Macbook Pro（2 GHz，运行 OS X 10.6 的四核 i7）上的性能。与 MATLAB 相比，NumPy EIG 似乎相当慢。

这是我在 NumPy 上分析的代码：

s = '''\
x = numpy.random.random((2000,2000));
numpy.linalg.eig(x);
'''
t = timeit.Timer(stmt=s,setup="import numpy")
result = t.repeat(repeat=5,number=10)
result
Out[22]: 
[197.1737039089203,
 197.34872913360596,
 196.8160741329193,
 197.94081807136536,
 194.5740351676941]

在 NumPy 中，这大约是19.5 秒/执行。

这是 MATLAB 中的相同代码：

clear all
tic;
for i = 1:50
    x = rand(2000,2000);
    eig(x);
end
toc;
Elapsed time is 267.976645 seconds.

这在 MATLAB上大约是5.36 秒/执行。

我想像这样简单的事情不应该过多地依赖于 JIT 性能，所以它可能归结为 BLAS 和访问 BLAS 库的例程。我知道 MATLAB 在 Mac 上使用 Accelerate Framework。

NumPy 似乎也在我的 Macbook Pro 上使用了 Accelerate Framework BLAS；这是输出numpy.show_config()

numpy.show_config()
lapack_opt_info:
    extra_link_args = ['-Wl,-framework', '-Wl,Accelerate']
    extra_compile_args = ['-msse3']
    define_macros = [('NO_ATLAS_INFO', 3)]
blas_opt_info:
    extra_link_args = ['-Wl,-framework', '-Wl,Accelerate']
    extra_compile_args = ['-msse3', '-I/System/Library/Frameworks/vecLib.framework/Headers']
    define_macros = [('NO_ATLAS_INFO', 3)]

我正在使用 Python 2.7.2 和 NumPy 1.6（都从 MacPorts 安装）

所以这是我对 NumPy 人的问题：为什么在这种情况下 NumPy 速度较慢？在安装 NumPy 时我是否遗漏了一些优化？

4

3 回答 3

5

据我所知，MATLAB 使用 MKL 库作为 BLAS，而不是 Accelerate Framework。我的经验告诉我，Accelerate 比 MKL 慢得多。要检查它，您可以尝试获取 Enthought Python Distribution (EPD) 的学术版本，其中 Numpy 是针对 MKL 编译的，并比较这些时间。此外，默认情况下，MATLAB 使用所有线程（尝试在单线程模式下运行），但 Numpy 不是。在 EPD 中，可以通过运行来完成

import mkl 
mkl.set_num_threads(4)
于 2012-04-01T17:16:27.230 回答
2

如果我没看错，那么除了 eig 函数之外，您还在分析随机数生成器的性能。有一次我犯了这个错误，将 GAUSS 与 MATLAB 进行比较——我会重新考虑随机数生成，看看你得到了什么。

另一个注意事项——对于一些 LAPACK/BLAS 的东西，如果你确保你的 numpy 数组在内部以 Fortran 顺序存储，你可以得到更好的性能：

In [12]: x = numpy.random.random((200,200))

In [13]: x.flags
Out[13]: 
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False


In [15]: x = numpy.array(x, order="F")

In [16]: x.flags
Out[16]: 
  C_CONTIGUOUS : False
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

-克里斯

于 2012-04-02T03:48:08.450 回答
1

巨大的区别是因为在 MATLAB 中你只计算特征值，但在 python/numpy 中你同时计算特征值和特征向量。要更正此问题并进行适当的比较，您必须执行以下操作之一： 1. 将 numpy.linalg.eig(x) 更改为 numpy.linalg.eigvals(x) ，保留 matlab 代码原样或 2. 更改 eig(x ) 到 matlab 中的 [V,D] = eig(x)，根据我的经验，保留 python/numpy 代码原样（这可能会导致 matlab 脚本消耗更多内存），python/numpy 使用 MKL 进行了优化（我使用 windows；不太了解acclerate框架）与使用MKL优化的matlab一样快或略快。

于 2012-05-29T17:01:24.143 回答