Настройка Anaconda для AMD Ryzen без MKL

Этот пост с Reddit содержит гораздо более подробное объяснение того, что происходит, но это всего лишь одна строчка в вашем терминале, чтобы заставить MKL думать, что вы являетесь системой Intel, поскольку MKL делает неприятные вещи с устройствами, отличными от Intel: https://www.reddit.com/r/MachineLearning/comments/f2pbvz/discussion_workaround_for_mkl_on_amd/

ОКНА:

откройте командную строку (CMD) с правами admin и введите:

setx /M MKL_DEBUG_CPU_TYPE 5

Это сделает изменение постоянным и доступным для ВСЕХ программ, использующих MKL в вашей системе, пока вы снова не удалите запись из переменных.

ЛИНУКС:

Просто введите терминал:

export MKL_DEBUG_CPU_TYPE=5 

перед запуском вашего скрипта из того же экземпляра терминала.

Постоянное решение для Linux:

echo 'export MKL_DEBUG_CPU_TYPE=5' >> ~/.profile

применит настройку ко всему профилю.

Некоторые основные моменты, так как я полагаю, что вы можете щелкнуть ссылку, чтобы прочитать все это, если интересно:

«Однако числовая библиотека, которая поставляется со многими вашими пакетами по умолчанию, — это Intel MKL. MKL работает очень медленно на процессорах AMD для некоторых операций. Это связано с тем, что Intel MKL использует различающий диспетчер ЦП, который не использует эффективный кодовый путь в соответствии с для поддержки SIMD ЦП, но на основе результата запроса строки поставщика.Если ЦП от AMD, MKL не использует расширения SSE3-SSE4 или AVX1/2, а возвращается к SSE независимо от того, поддерживает ли ЦП AMD более эффективные расширения SIMD, такие как AVX2 или нет.

Представленный здесь метод обеспечивает поддержку AVX2 в MKL, независимо от результата строки поставщика, и его применение занимает менее минуты. Если у вас есть процессор AMD на базе Zen/Zen+/Zen2 µArch Ryzen/Threadripper, это значительно повысит вашу производительность».

В качестве альтернативы отказу от MKL можно просто заставить его работать намного быстрее на процессоре Ryzen, указав MKL использовать более совместимый с Ryzen набор инструкций. При выполнении

conda install mkl -c intel --no-update-deps
set MKL_DEBUG_CPU_TYPE=5

Я видел примерно 15-кратное ускорение с использованием numpy/theano/PyMC3 на моем процессоре Ryzen под Windows 10 по сравнению с начальной установкой miniconda по умолчанию.