為什么Matlab矩陣求逆比numpy更快？

Question

這與討論numpy與Matlab的速度的幾個問題有關。 但是，它們中的大多數都比單個運算具有多個矩陣運算。 例如numpy和matlab之間的性能差異

對我來說，numpy用來反轉隨機矩陣所需的時間比matlab慢大約5倍。

這是matlab腳本，

N = 1000;

B = randn(N,N);
h = tic;
T = 40;
for i=1:40

    Rinv = (B)^(-1);
end
toc(h)/40

這樣得出的平均值約為0.08秒。

盡管此python腳本給出了0.4秒（大約）的時間。

import numpy as np 
from numpy import linalg as LA
import time 

N=1000
R = np.random.random((N,N))
T=40

t1 = time.clock()
for i in range(0,T):
    Rinv = LA.inv(R)
t2 = time.clock()
print 'avg time for inverse ',(t2-t1)/T

是否有任何原因，或者無論如何要提高python性能？ 我已經在Python上實現了我的工作，我擔心是否必須將所有代碼移植到matlab。 我正在使用Ubuntu 16.04，Python 2.7，Matlab R2016b。

我讀到time不是執行時間比較的好模塊，我覺得這還不止於此。

Answer 1

在我的計算機上（Windows，python 3.5，numpy 1.11.2）：

In [6]: %timeit inv(a)
10 loops, best of 3: 86 ms per loop

編輯：

或者，沒有Ipython：

>>>timeit.timeit('inv(a)','from __main__ import inv,a',number=100)/100

這類似於Matlab。

要知道在后台使用了什么代碼，請檢查一下：

In [12]: np.__config__.show() 
blas_mkl_info:
include_dirs = ['c:/users/bruno/miniconda3\\Library\\include']
libraries = ['mkl_core_dll', 'mkl_intel_lp64_dll', 'mkl_intel_thread_dll']
...