Paralize numpy.linalg.matrix_power不提高性能

Question

我需要paralize功能numpy.linalg.matrix_power我用下面的代碼來測試有多少快可並行版本

def aux_matrix_arg3(A): 

    aaa=np.linalg.matrix_power(np.random.randn(199,199),100)  

return 1 

N=10000 
processes=4 
chunksize=N/processes 
poolWorkers=mp.Pool(processes=processes) 
ti=t.time() 
A=poolWorkers.map(aux_matrix_arg3,range(N),chunksize=chunksize) 
print 't_iteration 3',t.time()-ti 

我曾嘗試在我的筆記本電腦中有1個和4個進程。我得到了非常相似的性能 4個過程：t_iteration 3點40.7985408306 1的過程：t_iteration 3 40.6538720131

任何線索，爲什麼我沒有得到與paralle過程任何改良效果？

Answer 1

的文檔說：

對於正整數n，所述功率通過重複矩陣​​squarings和矩陣乘法運算。如果n == 0，則返回與M形狀相同的單位矩陣。如果n < 0，則計算逆，然後將其升高到abs（n）。

如果您的系統設置正確，BLAS將用於並行矩陣乘法和LAPACK（也許SuperLU，大概只有在稀疏的情況是後者）求解線性方程組（用來計算反過來）。所以很有可能，你的樸素代碼已經非常非常優化了！

儘管如此，你應該小心，因爲天真的並行化複製所有數據，這可能會造成傷害。 （通常會使用mmap-arrays來共享數據而不是複製）。