Как видно из названия, numpy.dot(я думаю, что numpy является общим) выполняет намного медленнее после обновления моей системы. Код примера, который я выполняю для сравнения:
from numpy import *
import time
A=random.random((1000,1000))
B=random.random((1000,1000))
st=time.time();dot(A,B);end=time.time();print end-st
Следующий код принимает ~ 0.09s на моем другом компьютере (компьютер с проблемой, используемой для работы так же быстро, как и другой), но код занимает около 0.26 на компьютере с проблемой.
Вот мои попытки решить эту проблему. Мое первое предположение было, 1: ATLAS не подключен к numpy. Итак, я установил пакеты атласа, используя synaptic, libatlas3-bas, libatlas-doc, libatlas-dev, libatlas3gf-bas, libatlas-bas-dev.
После установки этого параметра я проверил, связано ли numpy с атласом или нет, набрав
import numpy.distutils.system_info as sysinfo
sysinfo.get_into('atlas')
Возвращаемое сообщение следующее:
ATLAS version 3.10.1 built by buildd on Sat Jul 27 19:04:50 UTC 2013:
UNAME : Linux roseapple 3.2.0-37-generic #58-Ubuntu SMP Thu Jan 24 15:28:10 UTC 2013 x86_64 x86_64 x86_64 GNU/Linux
INSTFLG : -1 0 -a 1 -l 1
ARCHDEFS : -DATL_OS_Linux -DATL_ARCH_x86SSE2 -DATL_CPUMHZ=1596 -DATL_SSE2 -DATL_SSE1 -DATL_USE64BITS -DATL_GAS_x8664
F2CDEFS : -DAdd_ -DF77_INTEGER=int -DStringSunStyle
CACHEEDGE: 1048576
F77 : /usr/bin/x86_64-linux-gnu-gfortran-4.8, version GNU Fortran (Ubuntu/Linaro 4.8.1-8ubuntu1) 4.8.1
F77FLAGS : -fomit-frame-pointer -mfpmath=sse -O2 -msse2 -fPIC -m64
SMC : /usr/bin/c99-gcc, version gcc (Ubuntu/Linaro 4.8.1-8ubuntu1) 4.8.1
SMCFLAGS : -fomit-frame-pointer -mfpmath=sse -O2 -msse2 -fPIC -m64
SKC : /usr/bin/c99-gcc, version gcc (Ubuntu/Linaro 4.8.1-8ubuntu1) 4.8.1
SKCFLAGS : -fomit-frame-pointer -mfpmath=sse -O2 -msse2 -fPIC -m64
Out[12]:
{'define_macros': [('ATLAS_INFO', '"\\"3.10.1\\""')],
'include_dirs': ['/usr/include/atlas'],
'language': 'f77',
'libraries': ['lapack', 'f77blas', 'cblas', 'atlas'],
'library_dirs': ['/usr/lib/atlas-base/atlas', '/usr/lib/atlas-base']}
Итак, я предполагаю, что он связан. Я также пошел в numpy/core/path и набрал
$ldd _dotblas.so
а выход -
linux-vdso.so.1 => (0x00007fff16ffa000)
libcblas.so.3 => /usr/lib/libcblas.so.3 (0x00007fa913908000)
libpthread.so.0 => /lib/x86_64-linux-gnu/libpthread.so.0 (0x00007fa9136eb000)
libc.so.6 => /lib/x86_64-linux-gnu/libc.so.6 (0x00007fa913322000)
libatlas.so.3 => /usr/lib/libatlas.so.3 (0x00007fa912d8f000)
libgfortran.so.3 => /usr/lib/x86_64-linux-gnu/libgfortran.so.3 (0x00007fa912a77000)
libgcc_s.so.1 => /lib/x86_64-linux-gnu/libgcc_s.so.1 (0x00007fa912860000)
libm.so.6 => /lib/x86_64-linux-gnu/libm.so.6 (0x00007fa91255c000)
/lib64/ld-linux-x86-64.so.2 (0x00007fa913d4f000)
libquadmath.so.0 => /usr/lib/x86_64-linux-gnu/libquadmath.so.0 (0x00007fa912320000)
Затем, чтобы libcblas.so.3 был связан с ATLAS, я набрал
$ /usr/sbin/update-alternatives --config libblas.so.3
There are 4 choices for the alternative libblas.so.3 (providing /usr/lib/libblas.so.3).
Selection Path Priority Status
------------------------------------------------------------
0 /usr/lib/openblas-base/libopenblas.so.0 40 auto mode
* 1 /usr/lib/atlas-base/atlas/libblas.so.3 35 manual mode
2 /usr/lib/libblas/libblas.so.3 10 manual mode
3 /usr/lib/openblas-base/libopenblas.so 30 manual mode
4 /usr/lib/openblas-base/libopenblas.so.0 40 manual mode
Press enter to keep the current choice[*], or type selection number: 1
Следующие шаги не устранили мою проблему...
-
И я понял, что мое дроссельное управление процессором включено, и что ATLAS не работает хорошо, когда происходит дросселирование ЦП. Итак, я отключил его с помощью rcconf и переустановил Atlas, как указано выше, и снова установил Numpy... Но это не решает проблему...
-
Теперь я запускаю python 2.7.5+, поэтому я попытался переустановить его также.. не решил проблему.
-
Я проверил свою память.
total used free shared buffers cached
Mem: 5959 2345 3614 0 86 730
-/+ буферы/кеш: 1528 4431
Обмен: 6133 0 6133
И моя память бесплатна.. и мой код matlab работает так же быстро, как раньше.. поэтому я не думаю, что это проблема с памятью.
Может ли кто-нибудь помочь, пожалуйста? Кажется, что пакет линейной алгебры numpy медленный... Теперь он очень сильно задерживает мою симуляцию, поэтому я не могу запустить мои коды. Заранее большое спасибо! Дайте мне знать, если есть какая-то путаница в моем вопросе.!