酷睿i5机能刹时晋升20倍的法门！

　　Intel Distribution for Python在本年二月举办了更新——英特尔宣布了Update 2版本。以“加快”为焦点的它，对比原生Python情形有多大晋升呢？

　　雷锋网获知，并行计较专家、前英特尔高级工程师James Reinders对老雇主的产物举办了测试。他对外公布：在配备四核i5的iMac上实现了20倍的机能加快，至于他是怎么做到的，请继承往下看(含代码)。

　　ames Reinders：操作Intel Distribution for Python，我实现了 Python 的20倍加快，而且可用单个呼吁封锁/启用。这还不是在最优环境下，而在假造情形——在 VirtualBox(下文简称VBox)上运行的openSUSE Linux Tumbleweed(即“转动版本”)，行使的呆板是四核iMac。

　　这在Windows, Linux或OS X都能实现。英特尔并没有把openSUSE插手经他们测试过的Linux设置列表中(SUSE Enterprise在表中)，但我在运行中并没有碰着任何题目。

　　这就是我怎么做的：

　　下载Anaconda呼吁行安装措施，地点为https://www.continuum.io/downloads 。

　　安装：% bash Anaconda2-4.3.0-Linux-x86_64.sh

　　安装英特尔加快器，作为一个单独的、可开启封锁的“情形”%conda config --add channels intel % conda create --name intelpy intelpython2_full python=2

　　运行示例措施，看到在我的openSUSE VBox配置上有15到20倍的速率晋升。

　　% source deactivate intelpy

　　% python < myprog.py

　　np.sin

　　102400 10000 36.1987440586

　　np.cos

　　102400 10000 36.1938228607

　　np.tan

　　102400 10000 51.487637043

　　% source activate intelpy

　　% python < myprog.py

　　np.sin

　　102400 10000 1.76131296158

　　np.cos

　　102400 10000 1.83870100975

　　np.tan

　　102400 10000 3.38778400421

　　That’s all! The speed-ups are 20.6X, 19.7X, and 15.2X in this quick test running on a virtual machine.

　　Here’s my little Python program:

　　% cat myprog.py

　　import numpy as np

　　import time

　　N = 102400

　　x = np.linspace(0.0123, 4567.89, N)

　　def mine(x,Z,func,name):

　　print name;

　　start = time.time()

　　for z in range ( 0, Z ) :

　　y = func(x);

　　end = time.time()

　　print N, Z, end - start

　　return

　　mine(x,10000,np.sin,'np.sin')

　　mine(x,10000,np.cos,'np.cos')

　　mine(x,10000,np.tan,'np.tan')

　　我花很短时刻搞起来这个措施，用来验证英特尔对加快NumPy中transcendental expression的理睬。Cosine, sine和tangent 是我还能记得的、搞TI calculator时辰用的transcendental，以是我用它们来试。我抉择对每一个举办十亿级测试——运行高出十万个数字的函数，一再高出一万次。

　　固然未必是一个很故意思的措施，但对付加快而言是个不错的测试。

　　随时加快Python

　　我此前写过一篇文章，接头“Python 加快”(“accelerated Python”)使其更合用于大数据和 HPC 应用。 在速率更快之外，我还展示了，行使Conda来开启/封锁加快是何等得轻易。这很是赞，让安装它的抉择变得越发安详、没有记挂——由于该成果是一个可选项。(对新手的提示： Anaconda 是针对 Python 算法包的荟萃，Conda则是package manager，即算法包揽理器。我两个都用而且都很喜好。)

　　我行使 “conda create”来缔造被我称之为intelpy的情形。然后，我可以或许行使“source activate intelpy”、“source deactivate intelpy”来激活、封锁它。

　　Intel Distribution for Python 带来的大幅加快手段，让 “accelerated Python” 变得更适用更让人佩服。

　　值得留意的是，“accelerated Python” 只是行使更快的Python算法库，不必要对代码做任何窜改。虽然，我们的Python代码必需行使了某些加快的对象，才气从中获益。

　　英特尔通过三大方面实现Python加快：

　　操作多核；

　　操作矢量指令(SIMD)，好比 SSE, AVX, AVX2和AVX-512；

　　行使英特尔 Math Kernel Library (Intel MKL) 的更先辈算法。

　　对付运行于矢量或矩阵上的措施，上述这些城市见效。对付无意的单独cosine，我们不该该等候大幅速率晋升。同样的，对付单核CPU，我们也不该该有机能晋升的理想。虽然，英特尔72核协处理赏罚器Xeon Phi会在大量多核应用的跑分中领先。在我的例子中，我的假造机只操作iMac i5的四个焦点。

　　FFT在4核假造机上有八倍机能晋升

　　我也试了下Fast Fourier Transforms (FFT)。行使与原始措施沟通的配置，我只是凭证如下方法运行FFT措施：

　　% source deactivate intelpy

　　% python < myfftprog.py

　　fft

　　5000 2.22796392441

　　fft

　　7000 8.74916005135

　　% source activate intelpy

　　% python < myfftprog.py

　　fft

　　5000 0.277629137039

　　fft

　　7000 1.11230897903

　　速率晋升为8和7.9倍。虽然，照旧运行于四核iMac上的openSUSE和VBox。这是我的快速FFT措施：

　　% cat myfftprog.py

　　import numpy as np

　　import numpy.random as rn

　　import time

　　def trythis(Z):

　　mat = rn.rand(Z,Z) + 1j * rn.randn(Z,Z)

　　print 'fft'

　　start = time.time()

　　# 2D transform on a complex-valued matrix:

　　result = np.fft.fft2(mat)

　　end = time.time()

　　print Z, end - start

　　return

　　trythis(5000);

　　trythis(7000);

　　新 Python 加快

　　笔者相识到，以下是Intel Distribution for Python全新Update 2版本中，获得了新的速率晋升的方面：

　　优化NumPy的算术和transcendental表达

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!