我正在实现一个实时LMS算法，numpy.dot比我的采样时间花费更多的时间，所以我需要numpy更快（我的矩阵是1D和100长）。
我读过关于用ATLAS等构建numpy的文章，但从未做过这样的事情，我花了一整天的时间试图做到这一点，但没有成功。。。
有人能解释一下为什么没有包含ATLAS的构建吗？有人能给我一个吗？有没有其他方法可以加快点积的速度？
我试过numba和scipy.linal.gemm_dot，但它们似乎都没有加快速度。
我的系统是Windows8.1，带有英特尔处理器
如果您下载官方二进制文件，它们应该与ATLAS链接。如果要确定，请检查np.show_config()的输出。问题是ATLAS（自动调谐线性代数系统）检查许多不同的组合和算法，并在编译时保持最佳状态。因此，当你运行预编译的ATLAS时，你运行的是针对不同于你的计算机进行优化的。
所以，你可以选择提高点是：
- 自己编译ATLAS。在Windows上，这可能有点挑战性，但它是可行的。注意：必须使用与编译Python相同的编译器。也就是说，如果你决定使用MinGW，你需要用MinGW编译Python，或者自己构建它
- 试试克里斯托弗·高尔克的《麻木》。它与MKL相关联，后者比ATLAS快得多（并在运行时进行所有优化）
- 试试Continuum analytics的Conda with accelerate（也与MKL链接）。除非你是学者，否则要花钱。在Linux中，Conda比系统python慢，因为出于兼容性目的，它们必须使用旧的编译器；我不知道在Windows上是不是这样
- 使用Linux。你的Python生活会轻松很多，设置系统来编译东西非常容易。此外，设置Cython也很简单，然后您可以编译整个算法，并可能进一步加快速度
关于Cython的说明也适用于Windows，只是更难让它工作。几年前（当我使用Windows时）我尝试过，但几天后失败了；我不知道情况是否有所改善。
替代方案：
你正在做两个向量的点积。那么，np.dot可能不是最有效的方法。我会尝试用普通的Python (vec1*vec2).sum()（对Numba来说可能非常好，这个表达式实际上可以优化）或使用numexpr:
ne.evaluate(`sum(vec1 * vec2)`)
Numexpr还将自动对表达式进行并行处理。