如何在 numpy Python 中启用和禁用英特尔 MKL？

Question

我想测试和比较使用英特尔 MKL 和不使用英特尔 MKL 的 Numpy 矩阵乘法和特征分解性能。

我使用 pip install mkl（Windows 10（64 位），Python 3.8）安装了 MKL。

然后我使用 here 中的示例进行 matmul 和特征分解。

我现在如何启用和禁用 MKL，以便在使用和不使用 MKL 时检查 numpy 性能？

参考代码：

import numpy as np
from time import time

def matrix_mul(size, n=100):
    # reference: https://markus-beuckelmann.de/blog/boosting-numpy-blas.html
    np.random.seed(112)
    a, b = np.random.random((size, size)), np.random.random((size, size))
    t = time()
    for _ in range(n):
        np.dot(a, b)
    delta = time() - t
    print('Dotted two matrices of size %dx%d in %0.4f ms.' % (size, size, delta / n * 1000))


def eigen_decomposition(size, n=10):
    np.random.seed(112)
    a = np.random.random((size, size))
    t = time()
    for _ in range(n):
        np.linalg.eig(a)
    delta = time() - t
    print('Eigen decomposition of size %dx%d in %0.4f ms.' % (size, size, delta / n * 1000))

#Obtaining computation times: 

for i in range(20): 
    eigen_decomposition(500)

for i in range(20): 
    matrix_mul(500)

Answer 1

您可以使用不同的环境来比较有无 MKL 的 Numpy。在每个环境中，您都可以使用包安装程序安装所需的包（带或不带 MKL 的 numpy）。然后在该环境中，您可以运行您的程序来比较使用和不使用 MKL 时 Numpy 的性能。

NumPy 不依赖于任何其他 Python 包，但是，它确实依赖于加速线性代数库 - 通常是 Intel MKL 或 OpenBLAS。

PyPI 上的 NumPy wheels，即 pip 安装的，是用 OpenBLAS 构建的。
在 conda 默认通道中，NumPy 是针对 Intel MKL 构建的。 MKL 是一个单独的包，将在用户安装 NumPy 时安装在用户环境中。
当用户从 conda-forge 安装 NumPy 时，该 BLAS 包将与实际的 library.But 一起安装，它也可以是 MKL（来自默认频道），甚至是 BLIS或参考 BLAS。

请参考this link了解安装Numpy的详细信息。

您可以创建两个不同的环境来比较使用 MKL 和不使用 MKL 的 NumPy 性能。第一个环境安装独立的NumPy（即没有MKL的NumPy），第二个环境安装有MKL的。

在没有 MKL 的情况下使用 NumPy 创建环境。

conda create -n <env_name_1> python=<version>
conda activate <env_name_1>
pip install numpy

但根据您的 OS，可能没有可用的分配 (Windows)。

在 Windows 上，我们一直在 link 对抗 MKL。但是，随着 Anaconda 2.5 的发布，我们将 MKL 运行time 分离到它自己的 conda 包中，以便在所有平台上统一执行操作。

一般来说你可以创建一个新的环境：

conda create -n wheel_based python
activate wheel
pip install numpy-1.13.3-cp36-none-win_amd64.whl  # or whatever the file is named

在其他环境中，使用以下命令使用 MKL 安装 NumPy

conda create -n <env_name_2> python=<version>
conda activate <env_name_2>
pip install intel-numpy

在和这些环境中，您可以单独运行您的程序，以便您可以分别比较没有 MKL 和有 MKL 的 Numpy 的性能。

如何在 numpy Python 中启用和禁用英特尔 MKL？

How to enable and disable Intel MKL in numpy Python?

python

intel-mkl