二次形成numpy数组乘法的最快方法是什么

Question

我尝试了这两个替代方案

objective = lambda A, x : (np.dot(x.T ,np.dot(A, x)))[0,0]
objective = lambda A, x : (np.matrix(x).T * np.matrix(A) * np.matrix(x))[0,0]

使用主要的算法，我得到了5秒的运行时间与次级我得到14秒

用matlab我得到了2秒

我想使用numpy，但显然我需要一种改善这种crummy结果的方法。如何获得更快的二次形式矩阵，矢量产品？

Note ：我介绍了代码，此lambda功能会喝所有的果汁。 Imprivemnt ：我只是删除Scipy的本机Ubuntu软件包，然后安装了Numpy，然后安装了以下内容

sudo pip install numpy
sudo apt-get install libatlas-base-dev gfortran
sudo pip install scipy
sudo apt-get install libpng-dev libfreetype6-dev
sudo pip install matplotlib 

i稍微提高了性能，但仍低于Matlab

Answer 1

我同时安装了numpy和matlab，它们都需要10000x10000矩阵大约45毫秒。

考虑到您的时间，我怀疑x不是一个列向量。如果您想一次对多列向量进行此计算，请查看我对此问题的回答：计算" v^t a v＆quot"对于向量v的矩阵v。如果x只是一个列向量（在numpy或matlab）。

，您列出的时间非常慢。 但是，我怀疑

，差异也可能来自于您编译的Numpy安装的方式。这实际上是Numpy和Matlab使用的BLA函数的时机。我相信两者都在我的机器上列出了同样的基础库，因为我与英特尔的MKL链接了Numpy。如果Numpy是针对诸如Intel MKL（这样的大型矢量操作）构建的，则类似的大型向量操作应与MATLAB大致相同的速度运行，因为它们都可能调用相同的较低级别BLAS功能。如果未使用优化的Blas编制您的Numpy版本，则性能会更糟。

如果您知道Numpy的安装已经链接到MKL，则可以尝试设置MKL_NUM_THREADS环境变量以匹配系统上的处理器数量。

获得正确编译的Numpy版本的一种简单方法是使用预构建的分布。Anaconda和Enth期非常好，但是他们需要订阅才能获得优化版本。可以免费获得学术许可。您也可以在这里查看：http：//www.lfd.uci.edu/~gohlke/pythonlibs/

Answer 2

最后，我所做的就是更改线性代数函数的numpy的有限库。它正在使用地图集进行默认，但我将其努力（例如4个小时）将其更改为OpenBlas。我发现该指南与OpenBlas集成一起编译Numpy，然后点点刻度。结果是使用更快的时间。它仍然缺乏与MATLAB（Intel MLK）2.5秒相关的，但执行3秒仍可忍受。