是否有使用 intel svml（短向量数学库）编译的 anaconda 版本？
Is there a version of anaconda compiled with intel svml (Short Vector Math Library)?
我在基于英特尔 icc/icpc 编译器的 C++ 项目上做了很多工作，默认情况下，它使用令人印象深刻的矢量化库 svml。
我最近还看到 anaconda 现在使用来自 intel MKL（数学内核库）的优化。
所以我的问题是：
是否存在使用 intel svml（短向量数学库）编译的 anaconda 的现有版本，可以显着提高性能？
英特尔编译器的矢量化器可以隐式使用英特尔 SVML。我不知道 Python 现在直接使用 SVML，但 Intel is working on binding all the possible Intel Performance Libraries 到性能关键的 Python 模块，如 Numpy/Scipy 并使用启用矢量化的英特尔编译器编译它们。
这些模块现已在 Intel channel anaconda.org 上可用（目前处于测试版）。
还有Intel VML library which generalizes SVML to work with longer vectors/arrays, and it is already used to accelerate Numexpr.
#iamintel
使用带有正确参数的正确包，您可能会从中受益。如果您使用 numba and have icc-rt installed can (now) use Intel SVML, as detailed on this benchmark（为了完整起见转载如下）。
基准本身是一个大数组的平方根之和。
+-----------------------------------+--------+-------------------+
| ``@njit`` kwargs | SVML | Execution time |
+===================================+========+===================+
| ``None`` | No | 5.95s |
+-----------------------------------+--------+-------------------+
| ``None`` | Yes | 2.26s |
+-----------------------------------+--------+-------------------+
| ``fastmath=True`` | No | 5.97s |
+-----------------------------------+--------+-------------------+
| ``fastmath=True`` | Yes | 1.8s |
+-----------------------------------+--------+-------------------+
| ``parallel=True`` | No | 1.36s |
+-----------------------------------+--------+-------------------+
| ``parallel=True`` | Yes | 0.624s |
+-----------------------------------+--------+-------------------+
| ``parallel=True, fastmath=True`` | No | 1.32s |
+-----------------------------------+--------+-------------------+
| ``parallel=True, fastmath=True`` | Yes | 0.576s |
+-----------------------------------+--------+-------------------+
我在基于英特尔 icc/icpc 编译器的 C++ 项目上做了很多工作，默认情况下，它使用令人印象深刻的矢量化库 svml。
我最近还看到 anaconda 现在使用来自 intel MKL（数学内核库）的优化。
所以我的问题是：
是否存在使用 intel svml（短向量数学库）编译的 anaconda 的现有版本，可以显着提高性能？
英特尔编译器的矢量化器可以隐式使用英特尔 SVML。我不知道 Python 现在直接使用 SVML，但 Intel is working on binding all the possible Intel Performance Libraries 到性能关键的 Python 模块，如 Numpy/Scipy 并使用启用矢量化的英特尔编译器编译它们。
这些模块现已在 Intel channel anaconda.org 上可用（目前处于测试版）。
还有Intel VML library which generalizes SVML to work with longer vectors/arrays, and it is already used to accelerate Numexpr.
#iamintel
使用带有正确参数的正确包，您可能会从中受益。如果您使用 numba and have icc-rt installed can (now) use Intel SVML, as detailed on this benchmark（为了完整起见转载如下）。
基准本身是一个大数组的平方根之和。
+-----------------------------------+--------+-------------------+
| ``@njit`` kwargs | SVML | Execution time |
+===================================+========+===================+
| ``None`` | No | 5.95s |
+-----------------------------------+--------+-------------------+
| ``None`` | Yes | 2.26s |
+-----------------------------------+--------+-------------------+
| ``fastmath=True`` | No | 5.97s |
+-----------------------------------+--------+-------------------+
| ``fastmath=True`` | Yes | 1.8s |
+-----------------------------------+--------+-------------------+
| ``parallel=True`` | No | 1.36s |
+-----------------------------------+--------+-------------------+
| ``parallel=True`` | Yes | 0.624s |
+-----------------------------------+--------+-------------------+
| ``parallel=True, fastmath=True`` | No | 1.32s |
+-----------------------------------+--------+-------------------+
| ``parallel=True, fastmath=True`` | Yes | 0.576s |
+-----------------------------------+--------+-------------------+