这与讨论 numpy 与 Matlab 速度的几个问题有关。然而,它们中的大多数具有多个矩阵运算而不是单个运算。例如。 Difference on performance between numpy and matlab
对我而言,numpy 仅用于反转随机矩阵所花费的时间比 matlab 慢大约 5 倍。
这是matlab脚本,
N = 1000;
B = randn(N,N);
h = tic;
T = 40;
for i=1:40
Rinv = (B)^(-1);
end
toc(h)/40
这给出了大约 0.08 秒的平均值。
虽然这个 python 脚本给出了 0.4 秒(大约)。
import numpy as np
from numpy import linalg as LA
import time
N=1000
R = np.random.random((N,N))
T=40
t1 = time.clock()
for i in range(0,T):
Rinv = LA.inv(R)
t2 = time.clock()
print 'avg time for inverse ',(t2-t1)/T
是否有任何原因,或者无论如何提高 python 性能? 我已经在 Python 上实现了我的工作,我担心是否 我将不得不将我所有的代码移植到 matlab。 我正在使用 Ubuntu 16.04、Python 2.7、Matlab R2016b。
我读到 time
不是执行时间比较的好模块,我觉得这不止于此。
最佳答案
在我的电脑上(Windows、python 3.5、numpy 1.11.2):
In [6]: %timeit inv(a)
10 loops, best of 3: 86 ms per loop
编辑:
或者,没有 Ipython:
>>>timeit.timeit('inv(a)','from __main__ import inv,a',number=100)/100
类似于 Matlab。
要知道后台使用了什么代码,检查它:
In [12]: np.__config__.show()
blas_mkl_info:
include_dirs = ['c:/users/bruno/miniconda3\\Library\\include']
libraries = ['mkl_core_dll', 'mkl_intel_lp64_dll', 'mkl_intel_thread_dll']
...
关于python - 为什么 Matlab 矩阵求逆比 numpy 快?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41793670/