numpy en hardware multinúcleo

Question

¿Cuál es el estado del arte con respecto a obtener numpy para usar núcleos múltiples (en hardware Intel) para cosas como productos vectoriales internos y externos, multiplicaciones de matrices de vectores, etc.?

Estoy contento de reconstruir numpy si es necesario, pero en este punto estoy buscando formas de acelerar las cosas sin cambiar mi código.

Como referencia, mi show_config() es el siguiente, y nunca he observado numpy utilizar más de un núcleo:

atlas_threads_info: 
    libraries = ['lapack', 'ptf77blas', 'ptcblas', 'atlas'] 
    library_dirs = ['/usr/local/atlas-3.9.16/lib'] 
    language = f77 
    include_dirs = ['/usr/local/atlas-3.9.16/include'] 

blas_opt_info: 
    libraries = ['ptf77blas', 'ptcblas', 'atlas'] 
    library_dirs = ['/usr/local/atlas-3.9.16/lib'] 
    define_macros = [('ATLAS_INFO', '"\\"3.9.16\\""')] 
    language = c 
    include_dirs = ['/usr/local/atlas-3.9.16/include'] 

atlas_blas_threads_info: 
    libraries = ['ptf77blas', 'ptcblas', 'atlas'] 
    library_dirs = ['/usr/local/atlas-3.9.16/lib'] 
    language = c 
    include_dirs = ['/usr/local/atlas-3.9.16/include'] 

lapack_opt_info: 
    libraries = ['lapack', 'ptf77blas', 'ptcblas', 'atlas'] 
    library_dirs = ['/usr/local/atlas-3.9.16/lib'] 
    define_macros = [('ATLAS_INFO', '"\\"3.9.16\\""')] 
    language = f77 
    include_dirs = ['/usr/local/atlas-3.9.16/include'] 

lapack_mkl_info: 
    NOT AVAILABLE 

blas_mkl_info: 
    NOT AVAILABLE 

mkl_info: 
    NOT AVAILABLE 

Answer 1

Probablemente debería comenzar por comprobar si el Atlas construir numpy que está utilizando ha sido construido con multi-threading. Puede generar y ejecutar este inspeccionar la configuración del Atlas (directamente desde la AYUDA Atlas):

main() 
/* 
* Compile, link and run with something like: 
* gcc -o xprint_buildinfo -L[ATLAS lib dir] -latlas ; ./xprint_buildinfo 
* if link fails, you are using ATLAS version older than 3.3.6. 
*/ 
{ 
    void ATL_buildinfo(void); 
    ATL_buildinfo(); 
    exit(0); 
} 

Si ha no tiene una versión multiproceso de Atlas: "no es su problema". Si es multiproceso, entonces necesita ejercer una de las rutinas BLAS3 multiproceso (probablemente dgemm), con un producto de matriz matricial adecuadamente grande y ver si se usa el enhebrado. Creo que estoy en lo cierto al decir que ni las rutinas BLAS 2 y BLAS 1 en Atlas admiten multihilo (y con razón porque no hay una ventaja en el rendimiento, excepto en tamaños de problema realmente enormes).