在Anaconda中如何使用非mkl版本的Numpy

在本文中，我们将介绍如何在Anaconda环境下使用非mkl版本的Numpy。默认情况下，Anaconda中的Numpy使用的是mkl优化版本，它具有更快的计算速度，但需要特定的Intel CPU和Intel MKL库才能正常工作。对于不支持Intel MKL的CPU，或者需要使用非mkl版本的用户，可以使用其他非mkl版本的Numpy。

阅读更多：Numpy 教程

安装non-mkl版本的Numpy

首先需要先安装non-mkl版本的Numpy。可以通过Anaconda自带的conda命令行工具来安装，输入以下命令：

conda install numpy nomkl

这样就可以在Anaconda中安装non-mkl版本的Numpy。

使用non-mkl版本的Numpy

安装完成后，可以在Python中导入Numpy库，并查看版本来确认是否已切换到了non-mkl版本。在Jupyter notebook中执行以下命令：

import numpy as np

print(np.__version__)

如果输出的版本号没有带mkl，则说明已经切换成功。

解决依赖关系

在使用non-mkl版本的Numpy时，依赖关系可能会发生变化，需要逐一检查和解决。可以使用以下命令检查并升级依赖库：

conda update --all

这个命令会检查所有库和依赖，升级到最新版本。如果有依赖库冲突或版本不兼容等情况，需要手动解决。

性能对比

下面我们将使用一个简单的矩阵乘法运算来比较mkl和non-mkl版本的性能差异。在Jupyter notebook中执行以下代码：

import numpy as np
import time

n = 1000
a = np.random.rand(n,n)
b = np.random.rand(n,n)

print("Using mkl version:")
start = time.time()
d = np.dot(a,b)
end = time.time()
print(end - start)

print("Using non-mkl version:")
start = time.time()
c = np.dot(a,b)
end = time.time()
print(end - start)