Matlab/NumPy/C++Eigen 速度差距为什么很大？ 第1页

看到问题的第一感觉是，一定是哪里不对！因为无论是 MATLAB 还是 Python + Numpy 底层都是调用 BLAS, LAPACK 等，所以速度应该不会差别很大。

我在自己的电脑上测试了一下，用的 Windows 10 + MATLAB 2018b + Anaconda，CPU为 i7-8700k。双方都可以使用 MKL 加速。

MATLAB代码

       A = rand(10000, 10000); B = rand(10000, 10000); f = @() A*B; timeit(f)     

得到的结果是 6.6110s

Python代码 (ipython)

       import numpy as np A = np.random.rand(10000, 10000) B = np.random.rand(10000, 10000) %timeit A @ B     

结果为 6.45s +- 182ms

从结果来看，基本可以认为，二者没有区别。

所以，题主哪里没有配置好？希望对题主有所帮助

PS：这类只涉及到基本矩阵运算的语言之间的比较是没有意义的，因为大家都是调用底层的库来实现，差别可能就是一点调用开销，这在整个程序中可以忽略不计。

如果真的想比较语言之间的差别，需要根据任务自己实现一些任务，然后比较运行速度。当然，严格来说这也有偏差，因为不同的语言适应的任务也不同，但是起码有一定的意义。

PS2: 由于题主的CPU是AMD，所以我怀疑可能是平台的关系。随便Google一下发现了一些人在抱怨，MATLAB在AMD的CPU上执行速度并不理想，甚至满于低一档Intel CPU。例如,有人发现同样的代码，在AMD 2990WX(32核64线程@3.5GHZ, 64G RAM)上需要2200s，而在 Intel 8700k (6核12线程@4.0GHZ, 32GRAM)上只需要600s，3.5x倍的速度。^[1]

原因大概有二：

1. Threadripper 虽然核心数比较多，但是单核新能还是不如Intel，而MATLAB中很多函数没有经过多核优化，单核心能就非常关键了
2. MATLAB很多函数是只对Intel优化的，比如严重依赖MKL，而Intel自己的编译器“故意”让同样的代码在AMD CPU上执行缓慢^[2]

参考

1. ^ https://www.mathworks.com/matlabcentral/answers/430679-the-same-matlab-code-runs-slow-on-amd-2990wx-based-pc-and-runs-fast-4x-times-faster-on-8700k-based
2. ^Intel "cripple AMD" function https://www.agner.org/optimize/blog/read.php?i=126