python / numpy中的多线程blas

Question

我正在尝试在Python中实现大量的矩阵矩阵乘法。最初，我假设NumPy将自动使用我的线程BLAS库，因为我是根据这些库构建它的。但是，当我查看顶部或其他内容时，似乎代码根本不使用线程。

有什么想法是错误的，或者我可以做些什么来轻松使用BLAS性能？

Answer 1

并非所有的NumPy都使用BLAS，只有某些功能-特别dot()是vdot()，和模块中的innerproduct()一些功能numpy.linalg。还要注意，许多NumPy操作受大型阵列的内存带宽限制，因此优化的实现不太可能带来任何改善。如果受到内存带宽的限制，多线程能否提供更好的性能取决于硬件。

Answer 2

可能是因为Matrix x Matrix乘法受内存限制，所以在同一内存层次结构上添加额外的内核不会给您太多。当然，如果切换到Fortran实施时看到大幅提高，那我可能是不正确的。我的理解是，对于此类问题，适当的缓存比计算能力更为重要。大概BLAS为您做到了。对于一个简单的测试，您可以尝试安装Enthought的 python发行版进行比较。它们链接到英特尔的数学内核库，我相信它会利用多个内核（如果有）。