DEV Community
·
探讨np.einsum的性能
💡
原文英文，约1100词，阅读约需4分钟。
📝
内容提要
在未开启优化标志时，np.einsum的速度明显慢于np.matmul，尤其在矩阵乘法中。开启优化后，np.einsum的速度显著提升，接近np.matmul，原因是优化时调用了tensordot，利用了BLAS加速。
🎯
关键要点
- 在未开启优化标志时，np.einsum的速度明显慢于np.matmul，尤其在矩阵乘法中。
- 开启优化后，np.einsum的速度显著提升，接近np.matmul。
- 优化时调用了tensordot，利用了BLAS加速。
- np.einsum在两个操作数的情况下，开启优化后仍然比未优化时快。
- np.einsum的优化标志用于确定操作数的结合顺序。
- np.einsum在优化时会创建中间数组以减少计算复杂度。
- tensordot的调用仅在优化为真时发生，从而利用BLAS加速。
- np.einsum的实现类似于小学数学中的矩阵乘法方法。
- np.einsum在优化时会尝试找到最佳的收缩路径，从而提高性能。
- 即使在只有两个操作数的情况下，开启优化也能显著提高速度。
❓
延伸问答
np.einsum在未开启优化时的性能如何？
在未开启优化标志时，np.einsum的速度明显慢于np.matmul，尤其在矩阵乘法中。
开启优化后np.einsum的性能变化如何？
开启优化后，np.einsum的速度显著提升，接近np.matmul。
np.einsum的优化标志有什么作用？
优化标志用于确定操作数的结合顺序，并在优化时调用tensordot以利用BLAS加速。
np.einsum在处理两个操作数时的表现如何？
即使在只有两个操作数的情况下，开启优化后np.einsum仍然比未优化时快。
np.einsum如何提高计算性能？
np.einsum通过创建中间数组和寻找最佳收缩路径来减少计算复杂度，从而提高性能。
tensordot在np.einsum中的作用是什么？
tensordot在优化为真时被调用，以加速矩阵乘法操作，利用BLAS进行优化。
➡️
