Question

我“双启动”Ubuntu 11.04，Ubuntu 12.04和Windows XP SP3都更新到目前为止。 PC是相当旧的Intel Celeron D CPU 3.06GHz，带2GB RAM

在Ubuntu 11.04中我使用ATLAS编译了Numpy（ATLAS从源代码编译）
在Ubuntu 12.04中，我使用最新的MKL，icc，ifort为Numpy构建在Windows XP中我有Numpy和MKL（来自Christoph Gohlke亲切提供的Python包）更多详情：http://pastebin.com/raw.php?i=wxuFbyVg

我试过很简单：
%timeit np.dot(np.ones((1000,1000)), np.ones((1000,1000)))

得到了这个结果：

Ubuntu ATLAS: 1 loops, best of 3: 457 ms per loop
Windows MKL:  1 loops, best of 3: 680 ms per loop
Ubuntu MKL:   1 loops, best of 3: 1.04 s per loop

我认为上面是一个不好的例子，我搜索了许多比较中的一个，即第一个Google点击：http://dpinte.wordpress.com/2010/01/15/numpy-performance-improvement-with-the-mkl/

我测试了相同的功能：

%timeit test_eigenvalue()
Ubuntu Atlas: 1 loops, best of 3: 6.38 s per loop
Windows MKL:  1 loops, best of 3: 2.22 s per loop
Ubuntu MKL:   1 loops, best of 3: 3.58 s per loop

%timeit test_svd()
Ubuntu Atlas: 1 loops, best of 3: 2.13 s per loop
Windows MKL:  1 loops, best of 3: 2.06 s per loop
Ubuntu MKL:   1 loops, best of 3: 3.09 s per loop

%timeit test_inv()
Ubuntu Atlas: 1 loops, best of 3: 964 ms per loop
Windows MKL:  1 loops, best of 3: 1.02 s per loop
Ubuntu MKL:   1 loops, best of 3: 1.59 s per loop

%timeit test_det()
Ubuntu Atlas: 1 loops, best of 3: 308 ms per loop
Windows MKL:  1 loops, best of 3: 322 ms per loop
Ubuntu MKL:   1 loops, best of 3: 491 ms per loop

%timeit test_dot()
Ubuntu Atlas: 1 loops, best of 3: 1.5 s per loop        
Windows MKL:  1 loops, best of 3: 1.77 s per loop
Ubuntu MKL:   1 loops, best of 3: 2.77 s per loop

所以ATLAS编译Numpy由于某种原因有最好的结果有谁知道可能是什么问题？

Answer 1

英特尔®MKL主要针对服务器和高性能台式机和移动处理器而设计和优化。 Celeron D是一款性能相对较低的处理器，因此MKL从未针对它进行过优化。例如，如果您检查最近的英特尔酷睿i7桌面上的SVD性能，启用MKL的NumPy可以比启用ATLAS的NumPy快80％。见这里：http://software.intel.com/en-us/articles/numpy-scipy-with-mkl/

顺便说一句，要更快地回复MKL相关问题，请加入英特尔MKL论坛：http://software.intel.com/en-us/forums/intel-math-kernel-library/

Answer 2

我还在我的桌面intel core i3第4代2.3 GHz，4GB ram上使用numpy和mkl。我测试了两个4096x4096矩阵的点积。我已经测试了他们在anaconda发行版的python 3.5 64位（没有mkl支持直到日期），python 2.7 64位没有mkl和python 2.7 64位与mkl和结果几乎相似。它们都需要~73秒（+ - 0.5秒）来计算（对于整数数据类型的情况），对于float64数据类型，它们都需要260毫秒（+ - 5毫秒），对于复杂数据类型~1秒（+ - 100毫秒）所有人都是第二名。

我还发现即使对于复杂的矩阵乘法，numpy点也是最好的。他们已经实施了高斯改进。

我已经使用blas测试了cython，使用了python中的blas，使用python测试了einsum但是dot是最好的。

我需要乘以矩阵fasster

为什么炒作英特尔MKL Numpy比我的PC上的ATLAS构建速度慢？

2 个答案: