Çok çekirdekli donanıma sahip sayıcı

Question

İç ve dış vektör ürünleri, vektör matris çarpımları vb. Gibi şeyler için (Intel donanımında) ortak çekirdek çekirdeklerini kullanmak için numpy ürününü kullanma konusunda en son teknolojiye sahip nedir?

Gerekirse numpy'u yeniden oluşturduğum için mutluyum ama bu noktada kodumu değiştirmeden işleri hızlandırmanın yollarını arıyorum. Başvuru için

, benim şu, ben birden fazla çekirdek kullanmak numpy gözlenen hiç olarak show_config() geçerli:

atlas_threads_info: 
    libraries = ['lapack', 'ptf77blas', 'ptcblas', 'atlas'] 
    library_dirs = ['/usr/local/atlas-3.9.16/lib'] 
    language = f77 
    include_dirs = ['/usr/local/atlas-3.9.16/include'] 

blas_opt_info: 
    libraries = ['ptf77blas', 'ptcblas', 'atlas'] 
    library_dirs = ['/usr/local/atlas-3.9.16/lib'] 
    define_macros = [('ATLAS_INFO', '"\\"3.9.16\\""')] 
    language = c 
    include_dirs = ['/usr/local/atlas-3.9.16/include'] 

atlas_blas_threads_info: 
    libraries = ['ptf77blas', 'ptcblas', 'atlas'] 
    library_dirs = ['/usr/local/atlas-3.9.16/lib'] 
    language = c 
    include_dirs = ['/usr/local/atlas-3.9.16/include'] 

lapack_opt_info: 
    libraries = ['lapack', 'ptf77blas', 'ptcblas', 'atlas'] 
    library_dirs = ['/usr/local/atlas-3.9.16/lib'] 
    define_macros = [('ATLAS_INFO', '"\\"3.9.16\\""')] 
    language = f77 
    include_dirs = ['/usr/local/atlas-3.9.16/include'] 

lapack_mkl_info: 
    NOT AVAILABLE 

blas_mkl_info: 
    NOT AVAILABLE 

mkl_info: 
    NOT AVAILABLE 

Answer 1

Muhtemelen Atlas olmuştur kullandığı numpy inşa edip kontrol ederek başlamalıdır çoklu iş parçacığı ile inşa edilmiştir. Sen kurmak ve (düz Atlas SSS bölümünden) Atlas yapılandırmasını incelemek için bu çalıştırabilirsiniz:

main() 
/* 
* Compile, link and run with something like: 
* gcc -o xprint_buildinfo -L[ATLAS lib dir] -latlas ; ./xprint_buildinfo 
* if link fails, you are using ATLAS version older than 3.3.6. 
*/ 
{ 
    void ATL_buildinfo(void); 
    ATL_buildinfo(); 
    exit(0); 
} 

Eğer Atlas nin multi sürümüne sahip değil varsa: "sorun da burada zaten". Eğer çok iş parçacıklı ise, o zaman çok parçalı BLAS3 rutinlerinden birini (muhtemelen dgemm), uygun büyüklükte bir matris-matris ürünü ile kullanmanız ve diş çekme kullanılıp kullanılmadığına bakın. Bence, Atlas'taki BLAS 2 ve BLAS 1 rutinlerinin, çoklu işlenmeyi desteklemediğini (ve gerçekten de çok büyük sorun boyutlarından başka hiçbir performans avantajı olmadığı için iyi bir neden ile) söylemiyorum.