【问题标题】：Is there a configuration under which a numpy operation will work on more than a single core/thread?是否有一种配置可以使 numpy 操作在多个内核/线程上工作？
【发布时间】：2014-11-26 01:30:28
【问题描述】：
如果有，是哪个？
我感兴趣的具体例子是np.einsum。
我真的对 OPENBLAS / BLAS / LAPACK / ATLAS / INTEL MKL 提供的服务感到困惑。
我已尝试阅读有关此内容并安装软件包，但结果一团糟，因此我决定回归基础。
理想的答案是“是”/“否”，如果答案是“是”，则提供执行此操作的功能和配置示例。通过配置，我的意思是操作系统，python / numpy / BLAS / LAPACK 等的版本
谢谢
【问题讨论】：
标签：
python
numpy
lapack
blas
【解决方案1】：
为了解除你的困惑：
- BLAS 和 LAPACK 是标准化的 API（您可以将它们视为头文件）
- OpenBLAS、ATLAS 和 MKL 提供了这些 API 的优化实现。如果你有 MKL，你应该被覆盖，否则我推荐 OpenBLAS 而不是 ATLAS。
如果没有另行通知，BLAS 库将检查某些环境变量以决定使用多少线程。如果没有定义更多特定变量，大多数库将默认为OMP_NUM_THREADS，因此运行例如4个线程，试试
export OMP_NUM_THREADS=4
在开始您的程序之前。有关如何控制线程的更多详细信息，请查看您的 BLAS 实现手册/文档。