相关疑难解决方法(0)

我正在建立我的numpy/scipy环境基于blas和lapack或多或少基于这个步骤.

当我完成后,如何检查,我的numpy/scipy函数是否确实使用了之前构建的blas/lapack功能？

TL; DR如何在没有重建的情况下将ATLAS/MKL链接到现有的Numpy.

我用Numpy用大矩阵计算,我发现它非常慢,因为Numpy只使用1个核心进行计算.经过大量的搜索,我发现我的Numpy没有链接到像ATLAS/MKL这样的优化库.这是我的numpy配置:

>>>import numpy as np
>>>np.__config__.show()
blas_info:
    libraries = ['blas']
    library_dirs = ['/usr/lib']
    language = f77
lapack_info:
    libraries = ['lapack']
    library_dirs = ['/usr/lib']
    language = f77
atlas_threads_info:
    NOT AVAILABLE
blas_opt_info:
    libraries = ['blas']
    library_dirs = ['/usr/lib']
    language = f77
    define_macros = [('NO_ATLAS_INFO', 1)]
atlas_blas_threads_info:
  NOT AVAILABLE
openblas_info:
  NOT AVAILABLE
lapack_opt_info:
    libraries = ['lapack', 'blas']
    library_dirs = ['/usr/lib']
    language = f77
    define_macros = [('NO_ATLAS_INFO', 1)]
atlas_info:
  NOT AVAILABLE
lapack_mkl_info:
  NOT AVAILABLE
blas_mkl_info:
  NOT AVAILABLE
atlas_blas_info:
  NOT AVAILABLE
mkl_info: …

我正在尝试求解一个由 1 百万 x 1 百万方阵和一个 1 百万解向量组成的方程组。

为此，我使用 np.linalg.solve(matrix,answers) 但需要很长时间。

有办法加快速度吗？

谢谢@Chris，但这并不能回答问题，因为我也尝试过使用 Scipy 模块，但仍然需要很长时间才能解决。我认为我的计算机无法在 RAM 中保存那么多数据

好吧，为了清楚起见，我刚刚发现我试图求解的矩阵的名称是希尔伯特矩阵