线性代数与python的性能

Question

互联网上到处都是不同语言和相关问题的基准。但是，我仍然无法找到答案，我是否应该在我的程序中切换到C.

基本上，我程序中最耗时的部分涉及很多矩阵逆和矩阵乘法。我有几个计划：

1. 坚持numpy。
2. 使用C和LAPACK / BLAS。
3. 重写我的python程序并将最耗时的部分更改为C，然后使用python调用C。

我知道numpy只是LAPACK / BLAS的一部分。那么2或3是否会比1？（* 500）快得多（500％）

Answer 1

当我看到你的问题时，我只是想问一个非常相似的问题。我从各个方向测试了这个问题。从很长一段时间以来，我一直试图通过我的代码击败numpy.dot函数。

我有大型复杂矩阵，它们的乘法是我程序的主要瓶颈。我测试了以下方法

1. 简单的c代码。
2. 使用cblas进行各种优化的cython代码。
3. python 32位和64位版本，发现64位版本比32位快1.5-2倍。
4. ananconda的MKL实施，但也没有运气。
5. 用于矩阵乘法的einsum
6. python 3和python 2.7是相同的python 3 @ operator也是相同的
7. numpy.dot(a,b,c)略快于c=numpy.dot(a,b)

到目前为止，numpy.dot是最好的。它击败了所有其他方法，有时略微（einsum），但大多数显着。

在我的研究中，我遇到了一篇文章 Ultrafast matrix multiplication告诉苹果的altivec实现可以在不到一秒的时间内乘以2500x2500矩阵。在我的PC上使用intel核心i3第4代2.3 GHZ 4 gb内存，使用numpy.dot花了73秒，因此我仍然在寻找更快的PC实现。