如何知道哪些SciPy/NumPy函数可以在多个核心上运行？

Question

我想弄清楚在SciPy和NumPy中，哪些函数可以在多个处理器上运行。比如，我可以在SciPy的参考手册中看到它使用了这个功能，但我更想知道到底哪些函数可以进行并行计算，因为并不是所有的函数都支持这个功能。理想的情况是，当我输入help(SciPy.foo)的时候，能看到这些信息，但似乎并不是这样。

任何帮助都将非常感激。

祝好，

Matias

Answer 1

我觉得这个问题更适合问你使用的BLAS/LAPACK库，而不是SciPy/NumPy。

一些BLAS/LAPACK库，比如MKL，可以直接使用多个处理核心，而其他一些实现可能就做不到这一点。

以scipy.linalg.solve为例，这里是它的源代码（为了清晰起见，省略了一些错误处理的代码）：

def solve(a, b, sym_pos=0, lower=0, overwrite_a=0, overwrite_b=0,
          debug = 0):
    if sym_pos:
        posv, = get_lapack_funcs(('posv',),(a1,b1))
        c,x,info = posv(a1,b1,
                        lower = lower,
                        overwrite_a=overwrite_a,
                        overwrite_b=overwrite_b)
    else:
        gesv, = get_lapack_funcs(('gesv',),(a1,b1))
        lu,piv,x,info = gesv(a1,b1,
                             overwrite_a=overwrite_a,
                             overwrite_b=overwrite_b)

    if info==0:
        return x
    if info>0:
        raise LinAlgError, "singular matrix"
    raise ValueError,\
          'illegal value in %-th argument of internal gesv|posv'%(-info)

你可以看到，它只是对两类LAPACK函数的一个简单封装（比如DPOSV和DGESV）。

在SciPy层面上并没有进行并行处理，但你却发现这个函数在你的系统上使用了多个核心。唯一的解释就是你的LAPACK库能够使用多个核心，而NumPy/SciPy并没有做任何事情来促成这一点。