amd的cpu跑python_AMD用于深度学习到底Yes吗？ 基于mkl和openblas的numpy运算速度小测与安装教程...

AMD最近几年似乎是太Yes了，2016年到现在，股价从2块钱涨到40块钱，在很多地区的DIY市场份额超过英特尔，苏妈NB啊！

但在科学计算领域，CPU没有相关的配套软件支持是不行的。想自己组装个深度学习主机到底能不能上AMD？

该文章用numpy库对openblas和mkl简单测试，来回答这个问题。

目录

0. 基本概念

0.1 做深度学习还要看CPU吗？

0.2 什么是mkl与openblas？

0.3 AMD处理器用于深度学习为什么要注意这个问题？结论与openblas安装方法

2. 测试平台和方法

3. 英特尔平台测试结果

4. AMD平台测试结果

5. 小结

6. GPU测试结果

0. 基本概念

0.1 做深度学习还要看CPU吗？

要看，很多操作比如数据预处理一般是在CPU上完成的。

0.2 什么是mkl与openblas？

BLAS(Basic Linear Algebra Subprograms)即基础线性代数子程序库,可以理解为用于线性代数运算库的API。openblas和mkl是基于BLAS库的两个不同的线性运算库,python著名的numpy库底层就调用了mkl或者openblas.

0.3 AMD处理器用于深度学习为什么要注意这个问题？

因为conda装numpy和依赖numpy的库比如pytorch、tensorflow时会自动安装mkl库，而英特尔开发的mkl库对AMD处理器负优化啊！！

1.1 结论

写给太长不看党的。不过后面的测试确实可看可不看。AM