MATLAB hai lần nhanh như Numpy

Question

Tôi là một sinh viên tốt nghiệp kỹ thuật hiện đang thực hiện việc chuyển đổi từ MATLAB sang Python với mục đích mô phỏng bằng số. Tôi đã bị ấn tượng vì thao tác mảng cơ bản, Numpy sẽ nhanh như MATLAB. Tuy nhiên, nó xuất hiện cho hai chương trình khác nhau tôi viết rằng MATLAB là một chút dưới hai lần nhanh như Numpy. Các mã kiểm tra Tôi đang sử dụng cho numpy (Python 3.3) là:

import numpy as np 
import time 

a = np.random.rand(5000,5000,3) 

tic = time.time() 
a[:,:,0] = a[:,:,1] 
a[:,:,2] = a[:,:,0] 
a[:,:,1] = a[:,:,2] 
toc = time.time() - tic 
print(toc) 

Trong khi cho MATLAB 2012a Tôi đang sử dụng:

a = rand(5000,5000,3); 

tic; 
a(:,:,1) = a(:,:,2); 
a(:,:,3) = a(:,:,1); 
a(:,:,2) = a(:,:,3); 
toc 

Thuật toán tôi đang sử dụng là một trong những sử dụng trên một NASA website so sánh Numpy và MATLAB. Trang web cho thấy Numpy vượt qua MATLAB về mặt tốc độ cho thuật toán này. Tuy nhiên, kết quả của tôi cho thấy thời gian mô phỏng 0,49 s cho Numpy và thời gian mô phỏng 0,29 giây cho MATLAB. Tôi cũng đã chạy một bộ giải Gauss-Seidel trên cả Numpy và Matlab và tôi nhận được kết quả tương tự (16,5 s so với 9,5 s)

Tôi mới sử dụng Python và không vô cùng biết chữ về lập trình. Tôi đang sử dụng phân phối Python WinPython 64 bit nhưng cũng đã thử Pythonxy không có kết quả.

Một điều tôi đã đọc nên cải thiện hiệu suất là xây dựng Numpy bằng cách sử dụng MKL. Thật không may tôi không có ý tưởng làm thế nào để làm điều này trên Windows. Tôi thậm chí cần phải làm điều này?

Mọi đề xuất?

Answer 1

Việc so sánh đó kết thúc bằng việc chuyển sang cam do lưu vào bộ nhớ đệm, vì việc chuyển giao hoặc thực hiện một số công việc trên bộ nhớ liền kề sẽ hiệu quả hơn. Điểm chuẩn đặc biệt này là bộ nhớ bị ràng buộc, vì trên thực tế không có tính toán được thực hiện, và do đó tỷ lệ phần trăm của lần truy cập bộ nhớ cache là chìa khóa để đạt được hiệu suất tốt.

Matlab đặt dữ liệu theo thứ tự cột lớn (thứ tự Fortran), vì vậy a(:,:,k) là một đoạn bộ nhớ liền kề, nhanh chóng sao chép.

Đặt hàng mặc định theo thứ tự hàng lớn (thứ tự C), vì vậy trong a[:,:,k] có các bước nhảy lớn giữa các phần tử và làm chậm tốc độ truyền bộ nhớ. Trên thực tế, bố cục dữ liệu có thể được chọn. Trong máy tính xách tay của tôi, tạo mảng với a = np.asfortranarray(np.random.rand(5000,5000,3)) dẫn đến tốc độ 5x lên (1 s so với 0,19 giây).Kết quả này sẽ rất giống nhau cho cả numpy-MKL và plain numpy vì MKL là một triển khai LAPACK nhanh và ở đây bạn không gọi bất kỳ chức năng nào sử dụng nó (MKL chắc chắn sẽ giúp khi giải các hệ thống tuyến tính, các sản phẩm dot tính toán). ..).

Tôi không thực sự biết những gì đang xảy ra trên bộ giải Gauss Seidel, nhưng một thời gian trước tôi đã viết câu trả lời cho một câu hỏi có tiêu đề Numpy running at half the speed of MATLAB nói một chút về MKL, FFT và JIT của Matlab.

Answer 2

Bạn đang cố tạo lại thử nghiệm của NASA, tuy nhiên bạn đã thay đổi nhiều biến số. Ví dụ:

• phần cứng của bạn và hệ điều hành khác nhau (www.nccs.nasa.gov/dali_front.html)
• phiên bản Python của bạn là khác nhau (2.5.3 vs 3.3)
• phiên bản MATLAB của bạn khác (2008 so với 2012)

Giả sử kết quả của NASA là chính xác, sự khác biệt về kết quả là do một hoặc nhiều biến được thay đổi này. Tôi khuyên bạn nên:

• Hãy thử lại với SciPy được dựng sẵn binaries.
• Nghiên cứu nếu có bất kỳ cải tiến nào đối với MATLAB liên quan đến loại phép tính này.

Ngoài ra, bạn có thể tìm thấy this link hữu ích.