Question

正如标题所示，numpy.dot（我认为numpy是通用的）在更新我的系统后表现得慢得多。我正在运行比较的示例代码是：

from numpy import *
import time
A=random.random((1000,1000))
B=random.random((1000,1000))
st=time.time();dot(A,B);end=time.time();print end-st

以下代码在我的另一台计算机上需要~0.09s（问题的计算机运行速度与另一台计算机一样快），但代码在计算机上需要大约0.26的问题。

以下是我尝试解决此问题的方法。我的第一个猜测是， 1：ATLAS没有连接到numpy。所以，我使用synaptic，libatlas3-bas，libatlas-doc，libatlas-dev，libatlas3gf-bas，libatlas-bas-dev安装了atlas包。

安装完毕后，我通过输入

检查numpy是否与地图集相关联

import numpy.distutils.system_info as sysinfo
sysinfo.get_into('atlas')

返回消息如下：

ATLAS version 3.10.1 built by buildd on Sat Jul 27 19:04:50 UTC 2013:
   UNAME    : Linux roseapple 3.2.0-37-generic #58-Ubuntu SMP Thu Jan 24 15:28:10 UTC 2013 x86_64 x86_64 x86_64 GNU/Linux

   INSTFLG  : -1 0 -a 1 -l 1
   ARCHDEFS : -DATL_OS_Linux -DATL_ARCH_x86SSE2 -DATL_CPUMHZ=1596 -DATL_SSE2 -DATL_SSE1 -DATL_USE64BITS -DATL_GAS_x8664
   F2CDEFS  : -DAdd_ -DF77_INTEGER=int -DStringSunStyle
   CACHEEDGE: 1048576
   F77      : /usr/bin/x86_64-linux-gnu-gfortran-4.8, version GNU Fortran (Ubuntu/Linaro 4.8.1-8ubuntu1) 4.8.1
   F77FLAGS : -fomit-frame-pointer -mfpmath=sse -O2 -msse2 -fPIC -m64
   SMC      : /usr/bin/c99-gcc, version gcc (Ubuntu/Linaro 4.8.1-8ubuntu1) 4.8.1
   SMCFLAGS : -fomit-frame-pointer -mfpmath=sse -O2 -msse2 -fPIC -m64
   SKC      : /usr/bin/c99-gcc, version gcc (Ubuntu/Linaro 4.8.1-8ubuntu1) 4.8.1
   SKCFLAGS : -fomit-frame-pointer -mfpmath=sse -O2 -msse2 -fPIC -m64
Out[12]: 
{'define_macros': [('ATLAS_INFO', '"\\"3.10.1\\""')],
 'include_dirs': ['/usr/include/atlas'],
 'language': 'f77',
 'libraries': ['lapack', 'f77blas', 'cblas', 'atlas'],
 'library_dirs': ['/usr/lib/atlas-base/atlas', '/usr/lib/atlas-base']}

所以，我认为它是相互联系的。我也进入了numpy / core / path并输入了

$ldd _dotblas.so

，输出

linux-vdso.so.1 =>  (0x00007fff16ffa000)
libcblas.so.3 => /usr/lib/libcblas.so.3 (0x00007fa913908000)
libpthread.so.0 => /lib/x86_64-linux-gnu/libpthread.so.0 (0x00007fa9136eb000)
libc.so.6 => /lib/x86_64-linux-gnu/libc.so.6 (0x00007fa913322000)
libatlas.so.3 => /usr/lib/libatlas.so.3 (0x00007fa912d8f000)
libgfortran.so.3 => /usr/lib/x86_64-linux-gnu/libgfortran.so.3 (0x00007fa912a77000)
libgcc_s.so.1 => /lib/x86_64-linux-gnu/libgcc_s.so.1 (0x00007fa912860000)
libm.so.6 => /lib/x86_64-linux-gnu/libm.so.6 (0x00007fa91255c000)
/lib64/ld-linux-x86-64.so.2 (0x00007fa913d4f000)
libquadmath.so.0 => /usr/lib/x86_64-linux-gnu/libquadmath.so.0 (0x00007fa912320000)

然后，为了确保libcblas.so.3链接到ATLAS，我输入了

$ /usr/sbin/update-alternatives --config libblas.so.3
There are 4 choices for the alternative libblas.so.3 (providing /usr/lib/libblas.so.3).

  Selection    Path                                     Priority   Status
------------------------------------------------------------
  0            /usr/lib/openblas-base/libopenblas.so.0   40        auto mode
* 1            /usr/lib/atlas-base/atlas/libblas.so.3    35        manual mode
  2            /usr/lib/libblas/libblas.so.3             10        manual mode
  3            /usr/lib/openblas-base/libopenblas.so     30        manual mode
  4            /usr/lib/openblas-base/libopenblas.so.0   40        manual mode

Press enter to keep the current choice[*], or type selection number: 1

以下步骤无法解决我的问题...

我意识到我的CPU限制已经开启，并且当CPU限制开启时ATLAS无法正常工作。所以，我使用rcconf将其关闭，并重新安装了Atlas，并重新安装了Numpy ......但它没有解决问题......
现在我正在运行python 2.7.5+，所以我也尝试重新安装它......没有解决问题。
我检查了我的记忆..
```
         total       used       free     shared    buffers     cached
```
记忆：5959 2345 3614 0 86 730

- / + buffers / cache：1528 4431

交换：6133 0 6133

我的记忆是免费的..我的matlab代码运行速度和以前一样快......所以我不认为这是内存问题..

有人可以帮忙吗？似乎numpy的线性代数包很慢......现在，它延迟了我的模拟，所以我无法真正运行我的代码。非常感谢你提前！如果我的问题中有任何混淆，请告诉我。！

Answer 1

当你说“并重新安装Numpy”时，你使用了pip还是apt-get / synaptic？

通过apt-get install python-numpy提供的NbuPy的Ubuntu（或Debian）打包版本已预先编译。另一方面，在NumPy源目录中使用pip install numpy或python setup.py安装NumPy使用可用的编译器从源代码构建NumPy。

您可能更喜欢在自己的计算机上使用ATLAS编译NumPy。 ATLAS将使用您计算机的特性优化NumPy库（实际上需要关闭CPU限制）。

apt-get install -y python-pip python-dev build-essential
pip install -U cython

apt-get install -y gcc gfortran libatlas-base-dev liblapack-dev
pip install numpy

您可能希望阅读ATLAS installation guide或instructions to build NumPy and SciPy from source on Linux

这可能是你已经完成的事情，但是其他人可能会觉得它很有用！

从13.04将Ubuntu更新为13.10后，Python Numpy.dot的运行速度慢了20倍

1 个答案: