酷睿i5性能瞬间提升20倍的秘诀！(2)

　　Transcendental expressions包含我在快速示例程序里用的cosine, sine和tangen。这些优化的核心是对NumPy的改变，使得 primitives (在 ndarray 数据上进行运算)能选择性地使用英特尔MKL Short Vector Math Library (SVML) 和MKL Vector Math Library (VML) 的能力。这使得 Python 利用处理器的最新矢量能力，包括多核优化和 AVX/AVX2/AVX-512。英特尔团队表示，他们利用 Xeon Phi，实现过 NumPy 算术和 transcendental 运算在 vector-vector 和 vector-scalar 上最高400倍的速度提升。

　　优化NumPy和SciPy的FFT

　　这些优化的核心是英特尔MKL，一系列 NumPy、SciPy 函数都能用到它对 FFT 的原生优化。这些优化包含真实、复杂的数据类型，单精度和双精度都包含 (single and double precision)，，从一维到多维的数据，in place 或者 out of place。英特尔团队见到过这项更新带来60倍的性能提升。这使得 Python 的性能可与原生 C/C++ 程序相媲美。

　　优化内存管理

　　Python是一门动态语言，为用户管理内存。Python 应用的性能，在很大程度上取决于内存运行的性能，这包括内存分配、再分配(de-allocation)、复制和移动。英特尔提供的加速版本Python，能在NumPy分配数组时保证最佳的alignment，所以NumPy、SciPy的运算函数，能从相应排列的 SIMD 内存访问指令获益。英特尔表示最大的提升来自于对内存复制和移动运算的优化。

　　更快——能用Conda方便地关闭/启用

　　Anaconda英特尔渠道的最新加速版本 Python，为Python程序带来显著性能优化，而无需改变代码。下载、安装也很方便。

　　我真的特喜欢用Conda把它开启/关闭这一功能。这方便了性能对比，并且让我感到安心——没有这个功能的话，我会对切换到超快的数学函数感到犹豫。

（编辑：ASP站长网）