我正在学习使用本征库两大矩阵的简单乘法。 该乘法似乎是明显比既Matlab和Python的慢对于相同尺寸矩阵。
有什么工作要做，以使本征运行速度更快？
问题详细信息
X：随机1000×50000矩阵
Y：随机50000×300矩阵
定时（在我2011年底的MacBook Pro）实验
利用Matlab：X * Y大约需要1.3秒
使用Enthought的Python：numpy.dot（X，Y）开〜2.2秒
使用本征：X * Y大约需要2.7秒
个人资料
你可以让我的本征代码（作为MEX功能）： https://gist.github.com/michaelchughes/4742878
这MEX函数从Matlab的两个矩阵读取，并返回他们的产品。
运行没有矩阵乘积操作此MEX函数（即只是在做的IO）产生微不足道的开销，因此函数之间的IO和Matlab没有解释在性能上相差很大。 这显然实际的矩阵产品操作。
我用G ++编译，这些优化标志：“-O3 -DNDEBUG”
我使用的是最新的稳定艾根的头文件（3.1.2）。
关于如何提高本征的表现有什么建议？ 任何人都可以复制我看到了差距？
UPDATE编译器似乎真的无所谓。 原来征时机使用苹果Xcode的版本的G ++完成的：LLVM-G ++ - 4.2。
当我使用G ++ - 4.7通过MacPorts的（相同CXXOPTIMFLAGS）下载，我得到2.4秒，而不是2.7。
如何编译更好任何其他建议，将不胜感激。
您还可以得到这个实验的原始C ++代码： https://gist.github.com/michaelchughes/4747789
./MatProdEigen 1000 50000 300
报告下克++2.4秒 - 4.7
首先，在做性能对比时，确保禁用了涡轮增压（TB）。 在我的系统，使用gcc 4.5从macport，没有涡轮增压，我得到3.5秒，相当于8.4 GFLOPS，而我的2.3酷睿i7的理论峰值是9.2GFLOPS，所以不算太糟糕。
MATLAB是基于Intel MKL，看到报道的性能，它清楚地使用了多线程版本。 这是不可能的一个小图书馆作为征能够在自己的CPU上击败英特尔！
NumPy的可以使用任何BLAS库，阿特拉斯，MKL，OpenBLAS，征BLAS，等我想，在你的情况下，它是使用阿特拉斯这是快。
最后，这里是你如何能得到更好的性能 ：通过-fopenmp编译能够在本征多线程。 默认情况下，本征的线程数目使用由OpenMP的定义线程的默认数量。 不幸的是这个号码对应的逻辑核心的数量，而不是物理核心，所以一定要确保超线程被禁用或定义OMP_NUM_THREADS环境变量核的物理数量。 在这里，我得到1.25秒（无TB）和0.95s结核病。
究其原因Matlab是快是因为它使用了Intel MKL。 征可以用它太（见这里 ），但你当然需要购买它。
话虽这么说，有许多原因征可以慢。 为了比较蟒蛇VS MATLAB VS艾根，你真的需要在相应的语言编写的三种操作相当于版本。 还要注意的是Matlab的缓存的结果，所以你真的需要从一个新的Matlab的会议开始，以确保它的神奇是骗不了你。
此外， Matlab的墨西哥开销是不是不存在的 。 该OP报告有新版本的“修复”的问题，但如果所有的开销已经完全清除我会感到惊讶。
本征并不需要由英特尔介绍了与Sandy Bridge架构的AVX指令的优势。 这或许解释了大部分本征和MATLAB之间的性能差异。 我发现了一个分支，在增加了对AVX的支持https://bitbucket.org/benoitsteiner/eigen但据我可以告诉它不是在本征树干被合并呢。
