如何获得比numpy.dot更快的代码进行矩阵乘法？

如何获得比numpy.dot更快的代码进行矩阵乘法？

np.dot

何时分派到BLAS

• NumPy已被编译为使用BLAS，
• 在运行时可以使用BLAS实现，
• 你的数据有dtypes之一

  float32

  ，

  float64

  ，

  complex32

  或

  complex64

  和
• 数据在内存中适当对齐。

否则，它默认使用自己的慢速矩阵乘法例程。

这里介绍了检查BLAS链接的方法。简而言之，请检查

_dotblas.so

您的NumPy安装中是否有文件或类似文件。如果存在，请检查链接到哪个BLAS库；参考BLAS较慢，ATLAS较快，OpenBLAS和特定于供应商的版本（例如Intel
MKL）甚至更快。当心多线程BLAS实现，因为它们与Python的配合不好

multiprocessing

。

接下来，通过检查

flags

数组的来检查数据对齐方式。在1.7.2之前的NumPy版本中，to的两个参数都

np.dot

应按C顺序排列。在NumPy>
= 1.7.2中，这不再重要，因为已经引入了Fortran数组的特殊情况。

>>> X = np.random.randn(10, 4)>>> Y = np.random.randn(7, 4).T>>> X.flags  C_ConTIGUOUS : True  F_ConTIGUOUS : False  OWNdata: True  WRITEABLE : True  ALIGNED : True  UPDATeIFCOPY : False>>> Y.flags  C_ConTIGUOUS : False  F_ConTIGUOUS : True  OWNdata: False  WRITEABLE : True  ALIGNED : True  UPDATEIFCOPY : False

如果您的NumPy没有与BLAS链接，请（轻松）重新安装它，或（硬）使用

gemm

SciPy的BLAS （通用矩阵乘法）功能：

>>> from scipy.linalg import get_blas_funcs>>> gemm = get_blas_funcs("gemm", [X, Y])>>> np.all(gemm(1, X, Y) == np.dot(X, Y))True

这看起来很容易，但是几乎不会进行任何错误检查，因此您必须真正知道自己在做什么。