不确定我的Python/Numpy版本是否使用了优化的Blas/Lapack库

Question

我在这里读到，"确保numpy在系统上使用Blas/lapack库的优化版本很重要。"

我输入：

import numpy as np
np.__config__.show()

我得到以下结果：

blas_mkl_info:
  NOT AVAILABLE
blis_info:
  NOT AVAILABLE
openblas_info:
    libraries = ['openblas', 'openblas']
    library_dirs = ['/home/anaconda3/lib']
    language = c
    define_macros = [('HAVE_CBLAS', None)]
blas_opt_info:
    libraries = ['openblas', 'openblas']
    library_dirs = ['/home/anaconda3/lib']
    language = c
    define_macros = [('HAVE_CBLAS', None)]
lapack_mkl_info:
  NOT AVAILABLE
openblas_lapack_info:
    libraries = ['openblas', 'openblas']
    library_dirs = ['/home/anaconda3/lib']
    language = c
    define_macros = [('HAVE_CBLAS', None)]
lapack_opt_info:
    libraries = ['openblas', 'openblas']
    library_dirs = ['/home/anaconda3/lib']
    language = c
    define_macros = [('HAVE_CBLAS', None)]

这是否意味着我的numpy版本使用了优化的blas/lapack库，如果没有，我该如何设置numpy，以便使用优化版本？

Answer 1

一种。OpenBlas很好。我刚刚取了第一个链接，我可以在Google上找到" openblas，atlas，mkl比较"。

http://markus-beuckelmann.de/blog/boosting-numpy-blas.html

现在，这不是整个故事。根据所需的算法，差异可能不是/略有不同。实际上，没有什么比运行自己的代码相对于不同的实现了。

我在各种线性代数问题，SVD，EIG，真实和伪倒置，分解...对不同的OSS上的单核/多核算中的平均最喜欢的人：

：

macOS：加速框架（与操作系统一起出现）Linux/Windows：

1. MKL
2. 距离很远，但仍然很安静：Atlas和Openblas on Par
3. ACML即使在AMD处理器上也一直令人失望

tldr：您的设置很好。但是，如果您想从CPU/RAM/主板组合中挤出最后一滴血液，则需要MKL。当然，它的价格很高，但是如果您可以将硬件一半的回报付出，那么也许值得。而且，如果您编写开源包，则可以免费使用MKL用于开发目的。

Answer 2

跟踪在macOS上加载的库，

export DYLD_PRINT_LIBRARIES  # see man dyld

，要查看libs xx.dylib或 xx.so依次加载的

otool -L xx.dylib

（对不起，不知道其他平台）。

---

另一个问题是，这有关系吗？MacOS加速，OpenBlas，MKL ...？用不同的用户问题，库，测量运行时，编译器，多核，回忆...是一个艰巨的任务。有人知道网络上有大范围的测试台吗？基准测试 - python-vs-c-c-using-blas and-numpy从2014年开始？

另请参见：
Google OpenBlas Benchmark Macos Python：31000命中

numpy-site.cfg（由pip-> setup.py使用）提到了几个blas/lapack替代方案，"尚未通过numpy或scipy进行基准测试"。

numpy和Scipy放弃了对加速的支持在2018年。