[PYTHON] Utilisez OpenBLAS avec numpy, scipy

Si vous pensez que numpy et scipy sont lents, vous devriez vérifier les paramètres blas. L'environnement que j'ai essayé était ubuntu 14.04.

Pour vérifier, lancez 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)]

Vérifiez à.

À la suite de l'enquête, diverses méthodes telles que l'utilisation d'alternatives de mise à jour sont sorties, mais celle-ci avait un comportement étrange, de sorte que la méthode de configuration directe d'OpenBLAS et de compilation de numpy est décrite comme un mémorandum.

référence

--Utilisation de BLAS avec ubuntu 14.04 (lien)

• Installing Numpy and OpenBLAS(link)
• (numpy, scipy Si vous vous sentez un peu lent, vérifiez si blas, lapack, atlas sont inclus lien)

Préparation préalable

Installez python-dev et gfortran comme préparatifs avant d'installer OpenBLAS.

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

Installation d'OpenBLAS

Téléchargez OpenBLAS depuis git et créez-le et installez-le avec gfortran. Assurez-vous qu'il est installé dans / opt / openblas /.

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

Après cela, définissez le chemin sur OpenBLAS. Il est recommandé de le décrire dans ~ / .bashrc etc.

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

Lors de l'utilisation avec plusieurs utilisateurs

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

Une fois le réglage terminé

~$ sudo ldconfig

Est exécuté.

installation numpy

Téléchargez numpy depuis git et décrivez les paramètres openblas dans site.cfg

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

Décommentez la partie suivante de site.cfg.

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

Après cela, vérifiez si le changement de paramètre est réussi avec ~ $ python setup.py config.

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)]

Après avoir confirmé ce qui précède, compilez et installez avec ~ $ python setup.py build && python setup.py install.

Contrôle de fonctionnement

Vérifiez la vitesse avec Code ici. Le nombre de threads à utiliser est spécifié par ʻOMP_NUM_THREADS` (l'exemple ci-dessous est un calcul matriciel de 5000 * 5000).

~$ 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

installation de scipy

Si vous pouvez installer numpy ci-dessus, tout ce que vous avez à faire est d'installer scipy avec pip.

pip install scipy