在我的计算机上，Python 特征值计算的运行速度比 MATLAB 慢得多。为什么？

Question

我想使用 Python 2.6.5 计算大型矩阵（约 1000x1000）的特征值。我一直没能这么快。我还没有找到任何其他线程来解决这个问题。

当我跑步时

a = rand(1000,1000);
tic;
for i =1:10
    eig(a);
end
toc;

在 MATLAB 中大约需要 30 秒。 Python 中的类似测试需要 216 秒。使用 RPy 通过 R 运行它并没有明显加快计算速度。 Octave 的测试耗时 93 秒。我对速度的差异感到有些困惑。

我能在网上找到的唯一一个类似问题的例子是this，它已经有几年的历史了。该问题中的海报具有不同的 Python 目录结构（我将其归因于帖子的年龄，尽管我可能会弄错），所以我没有足够的信心尝试按照通讯员发布的说明进行操作。

我的包管理器说我安装了 LAPACK，我正在使用 NumPy 和 SciPy 进行 Python 计算：

from numpy import *
from scipy import *
from numpy.linalg import *
import time

a = randn(1000,1000)
tic = time.clock()
for i in range(0,10):
    eig(a)
toc = time.clock()
print "Elapsed time is ", toc-tic

我对 Python 很陌生，所以我可能做了一些愚蠢的事情。如果我需要提供更多信息，请告诉我。

Answer 1

我确实在时间上有所不同，但没有你的那么激烈。我的MATLAB (R2010b) 时间约为 25 秒，python (2.7) 时间约为 60 秒。

我对这些数字并不感到惊讶，因为MATLAB 只是一种数字和矩阵操作语言，它的JIT 加速器优于通用语言python。通常，MATLAB 和 python+numpy 之间的差异非常小，但是当矩阵大小很大时会变得很明显，就像你的情况一样。

这并不意味着没有办法提高 python 的性能。 scipy 网站上的PerformancePython 文章很好地介绍了提高python 性能的不同方法。

Answer 2

我认为您看到的是 Matlab 使用的英特尔数学内核库 (MKL) 与 scipy 所链接的系统上的任何 LAPACK 实现（可能是 ATLAS？）之间的区别。您可以在these benchmarks 中看到 MKL 的速度有多快。

我想如果您可以针对英特尔 MKL 库重建 Scipy，您会获得更好的性能。如果您使用的是 Windows，可以从 here 下载预构建的副本，或者您可以考虑使用 Enthought Python Distribution 之类的东西。