Ubuntu 上的 NumPy/Scikit，更好地从预编译源构建（例如 Anaconda）？

Posted 2023-03-12

【中文标题】Ubuntu 上的 NumPy/Scikit，更好地从预编译源构建（例如 Anaconda）？

【英文标题】：NumPy/Scikit on Ubuntu, better built from source of precompiled (e.g. Anaconda)?

【发布时间】：2016-08-04 06:53:39

【问题描述】：

不同的文档提供了相互矛盾的信息，是使用 pip 安装 NumPy（根据我的经验，在 Ubuntu 上 pip install numpy 总是从源代码构建 NumPy）还是使用编译的发行版，例如 Anaconda2。

网站SciPy.org - Building From Source on Linux 声明：

(...) 如果您想使用对 NumPy 和 SciPy 所做的最后改进 在 Linux 上，您必须从源代码构建它。

Scikit-learn.org - Installing scikit-learn 解释道：

我们不建议在 linux 上使用 pip 安装 scipy 或 numpy，因为 这将涉及具有许多依赖项的冗长构建过程。 如果没有仔细配置，自己构建 numpy 可能会导致 安装速度比应有的要慢得多。

在Ubuntu 14.04 上运行时，哪种方式对处理大数据和机器学习的程序的性能更好？

【问题讨论】：

如果您投了反对票，我将不胜感激简短的评论，解释我如何提高这个 SO 问题的质量或下次要避免什么。谢谢！

Which way is better for performance of programs - 如果您知道自己在做什么，那么自己编译总是至少与二进制版本一样好。不过，像你我这样的普通用户通常并不关心额外的微小性能百分比。

【参考方案1】：

论文Lund et al., Doubling the Performance of Python/NumPy with less than 100 SLOC 描述了对代码和 gcc/内核环境的微小更改如何为 NumPy 性能带来重大改进。因此，我想用结论来结束这个问题：

尽可能使用 NumPy/Scipy 库的编译发行版 如果您别无选择，或者因为知道自己在做什么而想要自定义构建参数，请编译 NumPy/Scipy

欢迎讨论这个问题，所以我可以改变我的答案