NumPy的运行在MATLAB的速度的一半(Numpy running at half the sp

我已经移植MATLAB代码到Python和后，相当多的工作，我有东西的作品。不利的一面，但是，是Python的运行我的代码慢于MATLAB做。据我所知，使用优化的ATLAS库将加快速度，但实际执行，这是混淆了我。这里是发生了什么：

我开始没有安装BLAS的IPython的会议：

import numpy.distutils.system_info as sysinfo
import time
In [11]: sysinfo.get_info('atlas')
Out[11]: {}

timeit( eig(randn(1E2,1E2)) )
100 loops, best of 3: 13.4 ms per loop

在Matlab相同的代码运行速度的两倍

tic,eig(randn(1E2));toc*1000
    6.5650

我从Ubuntu库安装的非优化ATAS DEB。重新启动IPython的，现在我得到：

In [2]: sysinfo.get_info('atlas')
 ...
Out[2]: 
{'define_macros': [('ATLAS_INFO', '"\\"3.8.4\\""')],
 'include_dirs': ['/usr/include/atlas'],
 'language': 'f77',
 'libraries': ['lapack', 'f77blas', 'cblas', 'atlas'],
 'library_dirs': ['/usr/lib/atlas-base/atlas', '/usr/lib/atlas-base']}

和测试代码：

In [4]: timeit( eig(randn(1E2,1E2)) )
100 loops, best of 3: 16.8 ms per loop

因此，没有速度更快。如果有任何一个触摸慢。但是我还没有切换到优化的BLAS。我按照这些指示： http://danielnouri.org/notes/category/python/我建库和覆盖非优化版本，与这些。我重新启动IPython的，但有没有变化：

In [4]: timeit( eig(randn(1E2,1E2)) )
100 loops, best of 3: 15.3 ms per loop

不能将它获得比这更好的？ MATLAB仍然快两倍，在这个简单的例子。当我在做图像配准的傅立叶域中的真实世界的例子，Matlab的等效比Python版本快4至5倍。有没有人设法在numpy的MATLAB速度工作？

简单的例子

NumPy的是计算两个特征向量，特征值，因此将需要大约两倍长，这与您的放缓（使用一致np.linalg.eigvals仅计算特征值）。

最后， np.linalg.eig是围绕dgeev一个小包装，并有可能同样的事情发生在Matlab，这是使用MKL。

为了得到几乎线性代数相同的速度，你可以对MKL或OpenBLAS构建NumPy的。有一些商业计划书（也许免费为学者）从连续或Enthought 。你也可以得到MKL和构建NumPy的自己。

真实世界的例子

4倍速度较慢似乎有太多的（在与NumPy我已经重写了一些Matlab代码，并在一个非常类似的方式进行这两个程序）。考虑到最近的Matlab的版本配备了一个简单的JIT，所以循环并不像通常的Python实现的那样糟糕。如果你正在做许多FFT，你可以从使用中获益FFTW包装（ pyFFTW似乎不错，但我没有用它）。