我在numpy上遇到了性能问题。我测试了不同的方法来计算点积，但其他numpy函数也出现了类似的性能问题。
导入timeit将numpy导入为np导入张量流作为tf定义np_dot（U，X）：tic=timeit.default_timer（）X_bar=np.dot（U.T，X）toc=timeit.default_timer（）打印（“np.dot采用{：.4f}s”.format（toc-tic））返回X_bar定义np_at（U，X）：tic=timeit.default_timer（）X_bar=U.T@Xtoc=timeit.default_timer（）打印（“np@take{：.4f}s”.format（toc-tic））返回X_bar定义np_matmul（U，X）：tic=timeit.default_timer（）X_bar=np.matmul（U.T，X）toc=timeit.default_timer（）打印（“np.matmul采用{：.4f}s”.format（toc-tic））返回X_bar定义np_einsum（U，X）：tic=timeit.default_timer（）X_bar=np.einsum（'ij，jk'，英国，X）toc=timeit.default_timer（）打印（“np.einsum采用{：.4f}s”.format（toc-tic））返回X_bar定义tf_matmul（U，X）：tic=timeit.default_timer（）X_bar=tf.matmul（U.T，X）toc=timeit.default_timer（）打印（“tf.matmul采用{：.4f}s”.format（toc-tic））返回X_bar如果__name__==“__main__”：打印（“is_gpu_available？”，tf.test.is_gpu_available（），tf.test.is_built_with_cuda（））打印（“numpy版本：”，np.__version__）打印（“tensorflow版本：”，tf.__版本__）M=N=1000X=np.random.rand（M，N）U=np.random.rand（M，N）X_bar=np_dot（U，X）X_bar0=np_at（U，X）X_bar1=np_matmul（U，X）X_bar2=np_einsum（U，X）X_bar3=tf_matmul（U，X）打印（np.allclose（X_bar，X_bar0））打印（np.allclose（X_bar，X_bar1））打印（np.allclose（X_bar，X_bar2））打印（np.allclose（X_bar，X_bar3））
我的笔记本电脑（使用Windows 10和python 3.8）上的输出是：
gpu可用吗？假-假numpy版本：1.19.2张量流版本：2.2.0np.dot用了12.5368秒np@耗时14.3303秒np.matmul用了14.0634秒np.einsum用了0.5937秒tf.matmul耗时0.0263秒真的真的真的真的
意思标准@比可能的速度慢545倍！在朋友的笔记本电脑上，结果看起来更像预期（使用Ubuntu和python 3.6.9）：
gpu可用吗？假-假numpy版本：1.19.5张量流版本：1.14.0np.dot耗时0.0192秒np@耗时0.0196秒np.matmul用了0.0208秒np.einsum耗时0.3893秒tf.matmul耗时0.0280秒真的真的真的真的
有趣的是，numpys爱因斯坦我的笔记本电脑似乎不受任何问题的影响，张量流也不受影响。
这是怎么回事？造成如此巨大性能差异的潜在原因是什么？
编辑：
始终确保numpy正在使用一些BLAS库。点击此处阅读更多信息：提高效率：为什么BLAS很重要.
就我而言numpy.show_config（）返回以下内容：
blas_mkl信息：无法使用的blis_info:无法使用的openblas信息：无法使用的atlas_3_10_blas_threads_info:无法使用的地图集_3_10_blas_info：无法使用的地图集_布拉斯_线程_信息：无法使用的地图册_地图_信息：无法使用的加速器信息：无法使用的blas_信息：无法使用的blas_src_info：无法使用的blas_opt_info（操作_信息）：无法使用的lapack_mkl信息：无法使用的openblas_lapack信息：无法使用的openblas_clapack信息：无法使用的火焰_信息：无法使用的atlas_3_10_threads_info:无法使用的地图集_3_10信息：无法使用的地图集线程信息：无法使用的地图集信息（_I）：无法使用的lapack信息：无法使用的lapack_src_info:无法使用的lapack _ opt _信息：无法使用的numpy_linalg_lapack_lite:语言=cdefine_macros=[（'HAVE_BLAS_ILP64'，无），（'BLAS_SYMBOL_SUFFIX'，'64_'）]
