为什么大肆宣传的英特尔 MKL Numpy 在我的 PC 上构建比 ATLAS 构建慢？答案

【问题标题】：Why is hyped Intel MKL Numpy build slower than ATLAS build on my PC?为什么大肆宣传的英特尔 MKL Numpy 在我的 PC 上构建比 ATLAS 构建慢？
【发布时间】：2012-04-29 11:41:17
【问题描述】：

我“双启动”Ubuntu 11.04、Ubuntu 12.04 和 Windows XP SP3 均已更新至最新版本。 PC 是相当旧的 Intel Celeron D CPU 3.06GHz 和 2GB RAM

在 Ubuntu 11.04 中，我使用 ATLAS 编译了 Numpy（ATLAS 从源代码编译）
在 Ubuntu 12.04 中，我使用最新的可用 MKL、icc、ifort 构建了 Numpy
在 Windows XP 中，我有带 MKL 的 Numpy（来自 Christoph Gohlke 提供的 Python 包）
更多细节在这里：http://pastebin.com/raw.php?i=wxuFbyVg

我试过很简单：
%timeit np.dot(np.ones((1000,1000)), np.ones((1000,1000)))

得到了这个结果：

Ubuntu ATLAS: 1 loops, best of 3: 457 ms per loop
Windows MKL:  1 loops, best of 3: 680 ms per loop
Ubuntu MKL:   1 loops, best of 3: 1.04 s per loop

我认为上面是一个不好的例子，我搜索了许多可用的比较之一，即第一个谷歌点击：http://dpinte.wordpress.com/2010/01/15/numpy-performance-improvement-with-the-mkl/

我测试了相同的功能：

%timeit test_eigenvalue()
Ubuntu Atlas: 1 loops, best of 3: 6.38 s per loop
Windows MKL:  1 loops, best of 3: 2.22 s per loop
Ubuntu MKL:   1 loops, best of 3: 3.58 s per loop

%timeit test_svd()
Ubuntu Atlas: 1 loops, best of 3: 2.13 s per loop
Windows MKL:  1 loops, best of 3: 2.06 s per loop
Ubuntu MKL:   1 loops, best of 3: 3.09 s per loop

%timeit test_inv()
Ubuntu Atlas: 1 loops, best of 3: 964 ms per loop
Windows MKL:  1 loops, best of 3: 1.02 s per loop
Ubuntu MKL:   1 loops, best of 3: 1.59 s per loop

%timeit test_det()
Ubuntu Atlas: 1 loops, best of 3: 308 ms per loop
Windows MKL:  1 loops, best of 3: 322 ms per loop
Ubuntu MKL:   1 loops, best of 3: 491 ms per loop

%timeit test_dot()
Ubuntu Atlas: 1 loops, best of 3: 1.5 s per loop        
Windows MKL:  1 loops, best of 3: 1.77 s per loop
Ubuntu MKL:   1 loops, best of 3: 2.77 s per loop

因此，ATLAS 编译的 Numpy 出于某种原因具有最佳结果。
有谁知道可能是什么问题？

【问题讨论】：

可能最新版本的 MKL 已针对现代 Intel CPU 进行了优化，而从源代码编译的 atlas 将始终针对您的特定系统进行自我调整。
可能是的。我知道 Ubuntu MKL 版本较慢，因为我遵循英特尔 numpy 页面的说明，而不是至少针对单个 CPU 进行调整。但是，我会在 Ubuntu 12.04 numpy 版本上使用 ATLAS，而不是让整个系统复杂化，并在未来注意不要盲目地遵循我阅读的所有内容

标签： numpy intel-mkl atlas

【解决方案1】：

英特尔® MKL 主要针对服务器以及高性能台式机和移动处理器进行设计和优化。 Celeron D 是一款性能相对较低的处理器，因此 MKL 从未针对它进行过优化。例如，如果您在最近的英特尔酷睿 i7 桌面上检查 SVD 性能，启用 MKL 的 NumPy 可以比启用 ATLAS 的 NumPy 快 80%。见这里：http://software.intel.com/en-us/articles/numpy-scipy-with-mkl/

顺便说一句，为了更快地回复 MKL 相关问题，请加入英特尔 MKL 论坛：http://software.intel.com/en-us/forums/intel-math-kernel-library/

【讨论】：

【解决方案2】：

我还在我的台式机英特尔酷睿 i3 第 4 代 2.3 GHz、4GB 内存上使用了 numpy 和 mkl。我已经测试了两个 4096x4096 矩阵的点积。我已经在 python 3.5 64 位（迄今为止不支持 mkl）、不带 mkl 的 python 2.7 64 位和带 mkl 的 python 2.7 64 位的 anaconda 发行版上对它们进行了测试，结果几乎相似。他们都花了大约 73 秒（+- 0.5 秒）来计算这个（对于整数数据类型的情况），对于 float64 数据类型，他们都花了 260 毫秒（+- 5 毫秒），对于复杂数据类型，他们都花了大约 1 秒（+- 100 毫秒）秒。

我还发现，即使对于复杂的矩阵乘法，numpy dot 也是最好的。他们已经实施了高斯改进。

我已经使用 blas、python 中的 blas、python 中的 einsum 测试了 cython，但 dot 是最好的。

我需要更快地乘以矩阵

【讨论】：