如何在 i5 上实现 20 倍的 Python 运行速度？
Intel Distribution for Python 在今年二月进行了更新——英特尔发布了 Update 2 版本。以“加速”为核心的它，相比原生 Python 环境有多大提升呢？
并行计算专家、前英特尔高级工程师 James Reinders 对老东家的产品进行了测试。他对外宣布：在配备四核 i5 的 iMAC 上实现了 20 倍的性能加速！
至于他是怎么做到的，请继续往下看（含代码）。
James Reinders
James Reinders：利用 Intel Distribution for Python，我实现了 Python 的 20 倍加速，并且可用单个命令关闭/启用。这还不是在最优情况下，而在虚拟环境——在 VirtualBox（下文简称 VBox） 上运行的 openSUSE Linux Tumbleweed（即“滚动版本”，请参考 openSUSE 官网)，使用的机器是四核 iMac。
这在 Windows, Linux 或 OS X 都能实现。英特尔并没有把 openSUSE 加入经他们测试过的 Linux 配置列表中（SUSE Enterprise 在表中），但我在运行中并没有遇到任何问题。
这就是我怎么做的：
-
下载 Anaconda 命令行安装程序，地址为 https://www.continuum.io/downloads 。
-
安装： % bash Anaconda2-4.3.0-Linux-x86_64.sh
-
安装英特尔加速器，作为一个单独的、可开启关闭的“环境”：% conda config --add channels intel % conda create --name intelpy intelpython2_full python=2
-
运行示例程序，看到在我的 openSUSE VBox 设置上有 15 到 20 倍的速度提升。
% 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')
我花很短时间搞起来这个程序，用来验证英特尔对加速 NumPy 中 transcendental expression 的承诺。 Cosine, sine 和 tangent 是我还能记得的、搞 TI calculator 时候用的 transcendental，所以我用它们来试。我决定对每一个进行十亿级测试——运行超过十万个数字的函数，重复超过一万次。
虽然未必是一个很有意思的程序，但对于加速而言是个不错的测试。
随时加速 Python
我此前写过一篇文章，讨论“Python 加速”（ “accelerated Python” ）使其更适用于大数据和 HPC 应用。 在速度更快之外，我还展示了，使用 Conda 来开启/关闭加速是多么得容易。这非常赞，让安装它的决定变得更加安全、没有顾虑——因为该功能是一个可选项。（对新手的提醒： Anaconda 是针对 Python 算法包的集合，Conda 则是 package manager，即算法包管理器。我两个都用并且都很喜欢。）
我使用 “conda create”来创造被我称之为 intelpy 的环境。然后，我能够使用 “source activate intelpy”、“source deactivate intelpy”来激活、关闭它。
Intel Distribution for Python 带来的大幅加速能力，让 “accelerated Python” 变得更实用更让人信服。
值得注意的是， “accelerated Python” 只是使用更快的 Python 算法库，不需要对代码做任何改动。当然，我们的 Python 代码必须使用了某些加速的东西，才能从中获益。
据雷锋网(公众号：雷锋网)得知，英特尔通过三大方面实现 Python 加速：
-
利用多核；
-
利用矢量指令（SIMD），比如 SSE, AVX, AVX2 和 AVX-512；
-
使用英特尔 Math Kernel Library (Intel MKL) 的更先进算法。
对于运行于矢量或矩阵上的程序，上述这些都会生效。对于偶尔的单独 cosine，我们不应该期待大幅速度提升。同样的，对于单核 CPU，我们也不应该有性能提升的幻想。当然，英特尔 72 核协处理器 Xeon Phi 会在大量多核应用的跑分中领先。在我的例子中，我的虚拟机只利用 iMac i5 的四个核心。
FFT 在 4 核虚拟机上有八倍性能提升
我也试了下 Fast Fourier Transforms (FFT)。使用与原始程序相同的设置，我只是按照如下方式运行 FFT 程序：
% 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
速度提升为 8 和 7.9 倍。当然，还是运行于四核 iMac 上的 openSUSE 和 VBox。
这是我的快速 FFT 程序：
% 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 加速
雷锋网了解到，以下是 Intel Distribution for Python 全新 Update 2 版本中，得到了新的速度提升的方面：
-
优化 NumPy 的算术和 transcendental 表达
Transcendental expressions 包含我在快速示例程序里用的 cosine, sine 和 tangen。这些优化的核心是对 NumPy 的改变，使得 primitives （在 ndarray 数据上进行运算）能选择性地使用英特尔 MKL Short Vector Math Library (SVML) 和 MKL Vector Math Library (VML) 的能力。这使得 Python 利用处理器的最新矢量能力，包括多核优化和 AVX/AVX2/AVX-512。英特尔团队表示，他们利用 Xeon Phi，实现过 NumPy 算术和 transcendental 运算在 vector-vector 和 vector-scalar 上最高 400 倍的速度提升。
-
优化 NumPy 和 SciPy 的 FFT
这些优化的核心是英特尔 MKL，一系列 NumPy、SciPy 函数都能用到它对 FFT 的原生优化。这些优化包含真实、复杂的数据类型，单精度和双精度都包含 （ single and double precision），从一维到多维的数据，in place 或者 out of place。英特尔团队见到过这项更新带来 60 倍的性能提升。这使得 Python 的性能可与原生 C/C++ 程序相媲美。
-
优化内存管理
Python 是一门动态语言，为用户管理内存。Python 应用的性能，在很大程度上取决于内存运行的性能，这包括内存分配、再分配（de-allocation）、复制和移动。英特尔提供的加速版本 Python，能在 NumPy 分配数组时保证最佳的 alignment，所以 NumPy、SciPy 的运算函数，能从相应排列的 SIMD 内存访问指令获益。英特尔表示最大的提升来自于对内存复制和移动运算的优化。
-
更快——能用 Conda 方便地关闭/启用
Anaconda 英特尔渠道的最新加速版本 Python，为 Python 程序带来显著性能优化，而无需改变代码。下载、安装也很方便。
我真的特喜欢用 Conda 把它开启/关闭这一功能。这方便了性能对比，并且让我感到安心——没有这个功能的话，我会对切换到超快的数学函数感到犹豫。