Question

这与讨论numpy与Matlab的速度的几个问题有关。然而，它们中的大多数具有多个矩阵运算而不是单个运算。例如。 Difference on performance between numpy and matlab

对我来说，反转随机矩阵的时间numpy比matlab慢大约5倍。

这是matlab脚本，

N = 1000;

B = randn(N,N);
h = tic;
T = 40;
for i=1:40

    Rinv = (B)^(-1);
end
toc(h)/40

这给出了大约0.08秒的平均值。

虽然这个python脚本给出了0.4秒（大约）。

import numpy as np 
from numpy import linalg as LA
import time 

N=1000
R = np.random.random((N,N))
T=40

t1 = time.clock()
for i in range(0,T):
    Rinv = LA.inv(R)
t2 = time.clock()
print 'avg time for inverse ',(t2-t1)/T

是否有任何理由，或者无论如何改善python性能？我已经在Python上实现了我的工作，我担心是否我将把所有代码都移植到matlab。我正在研究Ubuntu 16.04，Python 2.7，Matlab R2016b。

我已经读过time不是执行时间比较的好模块，我觉得这不仅仅是这个。

Answer 1

在我的电脑上（Windows，python 3.5，numpy 1.11.2）：

In [6]: %timeit inv(a)
10 loops, best of 3: 86 ms per loop

编辑：

或者，没有Ipython：

>>>timeit.timeit('inv(a)','from __main__ import inv,a',number=100)/100

与Matlab类似。

要知道后台使用了什么代码，请检查它：

In [12]: np.__config__.show() 
blas_mkl_info:
include_dirs = ['c:/users/bruno/miniconda3\\Library\\include']
libraries = ['mkl_core_dll', 'mkl_intel_lp64_dll', 'mkl_intel_thread_dll']
...

为什么Matlab矩阵求逆比numpy更快？

1 个答案:

编辑：