Python 利用numpy高性能计算
numpy安装
使用anaconda或者intel的高性能python distribution安装。默认numpy已经链接mkl。
多线程线程数设置
export OMP_NUM_THREADS=N
N对应物理核心数为佳,如果代码写的不够好可以酌情加到超线程后逻辑核心数。
如:i7 6800K,6核12线程。纯高性能计算N设置为6,如果操作的不是连续内存可以最大设置到12。
编程注意事项
使用库函数
# norm
import numpy as np
norm_val = np.norm(a)
使用库函数远比手写表达式简单快速,特别是链接了BLAS后性能超过C手写循环甚至分治法。因为BLAS库往往能够很好地根据矩阵选择合适的算法,加入SIMD,Cache优化等tricks。
Mask
例如:
a = np.random.rand(10,20,30) #10x20x30 matrix
print(a[a>0.5])
这样远比用循环速度快。
map In NumPy
目标函数: