Python特征值计算在我的计算机上比MATLAB的运行速度慢得多。为什么？

我想用Python 2.6.5来计算大型矩阵（大约1000x1000）的特征值。我一直无法做到这一点。我还没有发现任何其他线程来解决这个问题。Python特征值计算在我的计算机上比MATLAB的运行速度慢得多。为什么？

当我在MATLAB中运行

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

大约需要30秒。 Python中的类似测试需要216秒。使用RPy通过R运行它并没有显着加速计算。八度测试花了93秒。我对速度的差异感到有点困惑。

像这个我可以在网上找到的问题的唯一例子是this，这是几岁。这个问题中的海报有一个不同的Python目录结构（虽然我可能弄错了，但是我认为这个结构是属于帖子的年龄），所以我还没有足够的信心来试图遵循记者发布的指示。

我的包经理说，我已经安装了LAPACK，和我使用与NumPy和SciPy的对Python的计算：

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

我非常新到Python，所以我可能做了一些愚蠢的。如果我需要提供更多信息，请告诉我。

来源

2011-05-18 Jamie D

您是否在Python和Matlab中使用相同的精度？ – 2011-05-18 22:19:59

您确实需要确保您的Python代码中的缩进是完全正确的。你的例子不能像写入那样运行。 – 2011-05-18 22:22:17

为了让你知道你应该使用'rand'（均匀分布）或'randn'（正态分布），但不要混合它们。这并没有解释不同之处。 – Wok 2011-05-18 22:36:00

我在时间上有所不同，但并不像你的那么激烈。我的MATLAB（R2010b）的时间约为25秒，python（2.7）的时间约为60秒。

我真的不通过这些数字感到惊讶作为MATLAB完全是一个数字和矩阵操作语言，它有它JIT加速器在python的优势，这是一种通用的语言。通常，MATLAB和python+numpy之间的差异非常小，但在矩阵大小较大时变得明显，如同您的情况。

这并不意味着没有办法提高python的性能。关于scipy网站的PerformancePython文章很好地介绍了可以改进python性能的不同方法。

来源

2011-05-18 22:53:01 abcd

该链接有问题。我似乎无法访问。 – Tshepang 2012-03-27 10:14:23

我认为你所看到的是由Matlab使用的英特尔数学核心库（MKL）与你的系统（ATLAS，可能？）之间的任何LAPACK实现之间的区别，scipy是链接的。您可以看到MKL在these benchmarks中速度有多快。

我想如果你能重建Scipy对英特尔MKL库，你会获得更好的性能。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诸如Enthought Python Distribution之类的东西。

来源

2011-05-18 23:33:05 Ray

这当然是它的一大部分。使用ATLAS比较numpy版本中的'np.linalg.eig'与链接MKL的'np.linalg.eig'会导致我的机器对于OP大小的数组差别大约3倍。（10.1秒比3.2秒） – 2011-05-19 00:02:20

Python特征值计算在我的计算机上比MATLAB的运行速度慢得多。为什么？

回答

相关问题