(Также обратите внимание, что MKL имеет возможность использовать несколько потоков для подпрограммы, так что это еще один простой способ получить параллелизм, хотя, возможно, не самый быстрый вид).
ираюсь написать некоторый вычислительно-интенсивный код Python, который почти наверняка проведет большую часть своего времени внутриnumpyфункции линейной алгебры.
Проблема под рукойсмущающе параллельно, Короче говоря, для меня проще всего воспользоваться этим, используя несколько потоков. Главным барьером почти наверняка будет Глобальная блокировка интерпретатора (GIL).
Чтобы помочь разработать это, было бы полезно иметь ментальную модель, для которойnumpy можно ожидать, что операции выпустят GIL на время их действия. В связи с этим, я был бы признателен за любые практические правила, что можно и чего нельзя делать, указатели и т.д.
В случае, если это имеет значение, я использую 64-битный Python 2.7.1 в Linux, сnumpy 1.5.1 иscipy 0.9.0rc2, построенный с Intel MKL 10.3.1.