矩阵乘法运行时间 Python < C++ < Matlab - 解释答案

【问题标题】：Matrix multiplication running times Python < C++ < Matlab - Explain矩阵乘法运行时间 Python < C++ < Matlab - 解释
【发布时间】：2011-02-19 15:08:43
【问题描述】：

我有一个矩阵M 那就是16384 x 81。我想计算M * M.t（结果将是16384x16384）。

我的问题是：谁能解释一下运行时间差异？

在 C++ 中使用 OpenCV 以下代码需要 18 秒

#include <cv.h>
#include <cstdio>
using namespace cv;
int main(void) {
  Mat m(16384, 81, CV_32FC1);
  randu(m, Scalar(0), Scalar(1));
  int64 tic = getTickCount();
  Mat m2 = m * m.t();
  printf("%f", (getTickCount() - tic) / getTickFrequency());
}

在 Python 中，以下代码只需要 ~~0.9 秒~~ 18.8 秒（请参阅下面的评论）

import numpy as np
from time import time
m = np.random.rand(16384, 81)
tic = time()
result = np.dot(m, m.T)
print (time() - tic)

在 MATLAB 中，以下代码需要 17.7 秒

m = rand(16384, 81); 
tic;
result = m * m';
toc;

我唯一的猜测是这是一个内存问题，并且 Python 能够以某种方式避免交换空间。但是，当我观看top 时，我并没有看到我的C++ application 使用了所有内存，我曾预计C++ 会赢得胜利。感谢您提供任何见解。

编辑

修改我的示例以仅对操作计时后，现在使用 Python 的代码也需要 18 秒。我真的不确定发生了什么，但如果有足够的内存，它们现在似乎都执行相同的操作。

如果行数为 8192，以下是时间： C++：4.5 秒 Python：4.2 秒 Matlab：1.8 秒

【问题讨论】：

numpy 中的计算密集型例程是用 C 编写的，因此 numpy 这么快并不奇怪——但不确定为什么它比 OpenCV 快得多。
@Geoff，你为什么要测量rand()的时间？如果要测量 GEMM（乘法时间），则不应测量 rand time。此外，还可以有程序的启动时间。
Python 这么慢！ ;)
我在每个示例中添加了围绕操作本身的计时代码。事实证明，仅仅这样做会使 Python 的时间增加到 18 秒。你认为我应该关闭这个吗？我不想让未来的读者感到困惑。
@Jesse Cohen：它不依赖于C。 numpy 只是能够使用适当的库。然而matlab 也是如此，所以它们应该彼此靠近。这里没有Python 魔法。谢谢

标签： c++ python matlab opencv matrix-multiplication

【解决方案1】：

你在哪个 CPU 上运行？对于具有动态时钟的现代 x86 和 x64 芯片，getTickCount 和 getTickFrequency 不可信。

18 秒足以从基于定时器中断的标准操作系统函数中获得可接受的精度。

您在 OpenCV 中使用什么 BLAS？ MatLab 安装了一些高度优化的，IIRC 甚至可以检测您的 CPU 并适当地加载 Intel 或 AMD 的数学库。

【讨论】：