Question

我进行了两次安装：

brew install numpy（和scipy）--with-openblas
克隆的GIT存储库（用于numpy和scipy）并自行构建

我克隆了两个方便的脚本，用于在多线程环境中验证这些库：

git clone https://gist.github.com/3842524.git

然后，对于每个安装，我正在执行show_config：

python -c "import scipy as np; np.show_config()"

这对于安装1来说非常好：

lapack_opt_info:
    libraries = ['openblas', 'openblas']
    library_dirs = ['/usr/local/opt/openblas/lib']
    language = f77
blas_opt_info:
    libraries = ['openblas', 'openblas']
    library_dirs = ['/usr/local/opt/openblas/lib']
    language = f77
openblas_info:
    libraries = ['openblas', 'openblas']
    library_dirs = ['/usr/local/opt/openblas/lib']
    language = f77
blas_mkl_info:
    NOT AVAILABLE

但安装2事情并不那么光明：

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)]

所以当我无法正确链接OpenBLAS时。但现在好了，这里是性能结果。所有测试均在iMac，Yosemite，i7-4790K，4核，超线程上进行。

首次安装OpenBLAS：

numpy的：

OMP_NUM_THREADS=1 python test_numpy.py
FAST BLAS
version: 1.9.2
maxint: 9223372036854775807
dot: 0.126578998566 sec

OMP_NUM_THREADS=2 python test_numpy.py
FAST BLAS
version: 1.9.2
maxint: 9223372036854775807
dot: 0.0640147686005 sec

OMP_NUM_THREADS=4 python test_numpy.py
FAST BLAS
version: 1.9.2
maxint: 9223372036854775807
dot: 0.0360922336578 sec

OMP_NUM_THREADS=8 python test_numpy.py
FAST BLAS
version: 1.9.2
maxint: 9223372036854775807
dot: 0.0364527702332 sec

SciPy的：

OMP_NUM_THREADS=1 python test_scipy.py
cholesky: 0.0276656150818 sec
svd: 0.732437372208 sec

OMP_NUM_THREADS=2 python test_scipy.py
cholesky: 0.0182101726532 sec
svd: 0.441690778732 sec

OMP_NUM_THREADS=4 python test_scipy.py
cholesky: 0.0130400180817 sec
svd: 0.316107988358 sec

OMP_NUM_THREADS=8 python test_scipy.py
cholesky: 0.012854385376 sec
svd: 0.315939807892 sec

没有OpenBLAS的第二次安装：

numpy的：

OMP_NUM_THREADS=1 python test_numpy.py
slow blas
version: 1.10.0.dev0+3c5409e
maxint: 9223372036854775807
dot: 0.0371072292328 sec

OMP_NUM_THREADS=2 python test_numpy.py
slow blas
version: 1.10.0.dev0+3c5409e
maxint: 9223372036854775807
dot: 0.0215149879456 sec

OMP_NUM_THREADS=4 python test_numpy.py
slow blas
version: 1.10.0.dev0+3c5409e
maxint: 9223372036854775807
dot: 0.0146862030029 sec

OMP_NUM_THREADS=8 python test_numpy.py
slow blas
version: 1.10.0.dev0+3c5409e
maxint: 9223372036854775807
dot: 0.0141334056854 sec

SciPy的：

OMP_NUM_THREADS=1 python test_scipy.py
cholesky: 0.0109382152557 sec
svd: 0.32529540062 sec

OMP_NUM_THREADS=2 python test_scipy.py
cholesky: 0.00988121032715 sec
svd: 0.331357002258 sec

OMP_NUM_THREADS=4 python test_scipy.py
cholesky: 0.00916676521301 sec
svd: 0.318637990952 sec

OMP_NUM_THREADS=8 python test_scipy.py
cholesky: 0.00931282043457 sec
svd: 0.324427986145 sec

令我惊讶的是，第二种情况比第一种情况要快。在scipy的情况下，添加更多内核后性能没有增加，但即使一个内核比OpenBLAS中的4个内核更快。

有谁知道为什么会这样？

Answer 1

有两个明显的差异可能导致差异：

您正在比较numpy的两个不同版本。使用Homebrew安装的OpenBLAS链接版本是1.9.1，而您从源代码构建的版本是1.10.0.dev0 + 3c5409e。
虽然新版本没有与OpenBLAS相关联，但它与Apple的Accelerate Framework链接，这是一个不同的优化BLAS实现。

您的测试脚本仍然为第二种情况报告slow blas的原因是由于与最新版本的numpy不兼容。您正在使用的脚本测试numpy是否通过checking for the presence of numpy.core._dotblas链接到优化的BLAS库：

try:
    import numpy.core._dotblas
    print 'FAST BLAS'
except ImportError:
    print 'slow blas'

在numpy的旧版本中，如果找到优化的BLAS库，则只能在安装过程中编译此C模块。但是，_dotblas has been removed altogether in development versions > 1.10.0（如this previous SO question中所述），因此脚本将始终为这些版本报告slow blas。

我已经编写了numpy测试脚本的更新版本，该脚本可以正确报告最新版本的BLAS链接; you can find it here

没有OpenBLAS，为什么numpy / scipy更快？

1 个答案: