是否可以知道哪些 SciPy / NumPy 函数在多个内核上运行？

Question

我试图明确找出 SciPy/NumPy 中的哪些函数在多个处理器上运行。例如，我可以在 SciPy 参考手册中读到 SciPy 使用此功能，但我更感兴趣的是到底哪些函数确实运行并行计算，因为并非所有函数都运行并行计算。理想的情况当然是当您键入 help(SciPy.foo) 时包含它，但情况似乎并非如此。

任何帮助将不胜感激。

最好的，

马蒂亚斯

Answer 1

我认为这个问题最好解决您使用的 BLAS/LAPACK 库，而不是 SciPy/NumPy。

某些 BLAS/LAPACK 库（例如 MKL）本身使用多个内核其他实现可能不会。

以 scipy.linalg.solve 为例，这是它的源代码（为了清楚起见，省略了一些错误处理代码）：

def solve(a, b, sym_pos=0, lower=0, overwrite_a=0, overwrite_b=0,
          debug = 0):
    if sym_pos:
        posv, = get_lapack_funcs(('posv',),(a1,b1))
        c,x,info = posv(a1,b1,
                        lower = lower,
                        overwrite_a=overwrite_a,
                        overwrite_b=overwrite_b)
    else:
        gesv, = get_lapack_funcs(('gesv',),(a1,b1))
        lu,piv,x,info = gesv(a1,b1,
                             overwrite_a=overwrite_a,
                             overwrite_b=overwrite_b)

    if info==0:
        return x
    if info>0:
        raise LinAlgError, "singular matrix"
    raise ValueError,\
          'illegal value in %-th argument of internal gesv|posv'%(-info)

如您所见，它只是两个 LAPACK 函数系列的薄包装（例如 DPOSV 和 DGESV）。

SciPy 级别不存在并行性，但您可以在系统上使用多个内核来观察该函数。唯一可能的解释是您的 LAPACK 库能够使用多个内核，无需 NumPy/SciPy 执行任何操作来实现这一点。