[PYTHON] Verwenden Sie OpenBLAS mit numpy, scipy

Wenn Sie das Gefühl haben, dass Numpy und Scipy langsam sind, überprüfen Sie die Blas-Einstellungen. Die Umgebung, die ich ausprobiert habe, war Ubuntu 14.04.

Starten Sie zur Überprüfung Python

>>> import numpy
>>> numpy.show_config()

lapack_opt_info:
    extra_link_args = ['-Wl,-framework', '-Wl,Accelerate']
    extra_compile_args = ['-msse3']
    define_macros = [('NO_ATLAS_INFO', 3)]
blas_opt_info:
    extra_link_args = ['-Wl,-framework', '-Wl,Accelerate']
    extra_compile_args = ['-msse3', '-I/System/Library/Frameworks/vecLib.framework/Headers']
    define_macros = [('NO_ATLAS_INFO', 3)]

Überprüfen Sie bei.

Als Ergebnis der Untersuchung kamen verschiedene Methoden heraus, beispielsweise die Verwendung von Update-Alternativen, die jedoch ein seltsames Verhalten aufwiesen. Daher wird die Methode zum direkten Festlegen von OpenBLAS und zum Kompilieren von Numpy als Memorandum bezeichnet.

Referenz

--Verwenden von BLAS mit Ubuntu 14.04 (Link)

Installing Numpy and OpenBLAS(link)
(numpy, scipy Wenn Sie sich etwas langsam fühlen, überprüfen Sie, ob Blas, Lapack und Atlas enthalten sind Link)

Vorbereitungen

Installieren Sie Python-Dev und Gfortran als Vorbereitung, bevor Sie OpenBLAS installieren.

~$ sudo apt-get install git python-dev gfortran

OpenBLAS-Installation

Laden Sie OpenBLAS von git herunter und erstellen und installieren Sie es mit gfortran. Stellen Sie sicher, dass es in / opt / openblas / installiert ist.

~$ git clone https://github.com/xianyi/OpenBLAS
~$ cd OpenBLAS
~$ make FC=gfortran
~$ sudo make PREFIX=/opt/openblas install

Stellen Sie danach den Pfad zu OpenBLAS ein. Es wird empfohlen, es in ~ / .bashrc usw. zu beschreiben.

~$ export LD_LIBRARY_PATH=/opt/OpenBLAS/lib:$LD_LIBRARY_PATH

Bei Verwendung mit mehreren Benutzern

~$ sudo -s "echo '/opt/OpenBLAS/lib' > /etc/ld.so.conf.d/openblas.conf"

Nachdem die Einstellung abgeschlossen ist

~$ sudo ldconfig

Wird ausgeführt.

numpy Installation

Laden Sie numpy von git herunter und beschreiben Sie die openblas-Einstellungen in site.cfg

~$ git clone https://github.com/numpy/numpy
~$ cd numpy
~$ cp site.cfg.example site.cfg
~$ vi site.cfg

Kommentieren Sie den folgenden Teil von site.cfg aus.

[openblas]
libraries = openblas
library_dirs = /opt/OpenBLAS/lib
include_dirs = /opt/OpenBLAS/include

Überprüfen Sie anschließend mit ~ $ python setup.py config, ob die Einstellungsänderung erfolgreich ist.

openblas_info:
  FOUND:
    libraries = ['openblas', 'openblas']
    library_dirs = ['/opt/openblas/lib']
    language = c
    define_macros = [('HAVE_CBLAS', None)]

  FOUND:
    libraries = ['openblas', 'openblas']
    library_dirs = ['/opt/openblas/lib']
    language = c
    define_macros = [('HAVE_CBLAS', None)]

Nachdem Sie das oben Gesagte bestätigt haben, erstellen und installieren Sie mit ~ $ python setup.py build && python setup.py install.

Funktionsprüfung

Überprüfen Sie die Geschwindigkeit mit Code hier. Die Anzahl der zu verwendenden Threads wird durch "OMP_NUM_THREADS" angegeben (das folgende Beispiel ist eine 5000 * 5000-Matrixberechnung).

~$ OMP_NUM_THREADS=1 python test_numpy.py
version: 1.12.0.dev0+3c394f7
maxint:  9223372036854775807

BLAS info:
 * libraries ['openblas', 'openblas']
 * library_dirs ['/opt/openblas/lib']
 * define_macros [('HAVE_CBLAS', None)]
 * language c

dot: 4.537050 sec
~$ OMP_NUM_THREADS=8 python test_numpy.py
version: 1.12.0.dev0+3c394f7
maxint:  9223372036854775807

BLAS info:
 * libraries ['openblas', 'openblas']
 * library_dirs ['/opt/openblas/lib']
 * define_macros [('HAVE_CBLAS', None)]
 * language c

dot: 1.855611 sec

scipy Installation

Wenn Sie oben numpy installieren können, müssen Sie scipy nur mit pip installieren.

pip install scipy