通过PIP安装与MKL的Scipy

我正在使用PIP与MKL一起安装Scipy以加速性能。 我的操作系统是Ubuntu 64位。 使用这个问题的解决scheme，我创build一个文件.numpy-site.cfg

[mkl] library_dirs=/opt/intel/composer_xe_2013_sp1/mkl/lib/intel64/ include_dirs=/opt/intel/mkl/include/ mkl_libs=mkl_intel_lp64,mkl_intel_thread,mkl_core,mkl_rt lapack_libs=

这个文件帮助我成功安装了MKL。 但是，使用相同的上述文件，安装Scipy提示错误

ImportError: libmkl_rt.so: cannot open shared object file: No such file or directory

我也用

export LD_LIBRARY_PATH=/opt/intel/composer_xe_2013_sp1/mkl/lib/intel64

但问题仍然是一样的。

如何让netlib-java使用原生英特尔MKL库LAPACK实现？

在优化卷积的同时接收AssertionError

将英特尔MKL的LAPACK与gfortran连接起来

任何人都知道如何解决这个问题？ 我不想手动安装Scipy，所以任何人给我一些提示，以解决它。

我有Win10的64位与Python 3.6.2我已经安装scipy通过http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy

我遵循以下步骤：

第1步：卸载如果您有任何以前的版本的numpy，pip卸载numpy

步骤2：从MKL（Math coreel Library）下载链接http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy下载numpy-1.13.1 + mkl-cp36-cp36m-win_amd64.whl

第3步：将下载的文件复制到另一个位置，并从该位置启动命令提示符。

第4步：运行这个命令，pip install -U numpy-1.13.1 + mkl-cp36-cp36m-win_amd64.whl

第五步：现在从http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy下载scipy库

第6步：将下载的文件复制到numpy复制的相同位置。

步骤7：在CMD提示下运行这个命令，pip install scipy-0.19.1-cp36-cp36m-win_amd64.whl

完成！

这个问题被问到2年了。

现在有Linux的numpy / scipy的轮子使用为avx2编译的openblas，所以你可以在没有构建包的情况下获得更好的性能。 您可能需要升级pip才能安装轮子：

pip install --upgrade pip pip install numpy scipy

如果你想要MKL，那么你可以安装Anaconda或者Intel distribution for Python 。 他们使用conda而不是pip来管理软件包，但他们是免费的，并且分发包含所有依赖项的软件包，包括MKL。

如果在安装或运行特定版本时遇到问题，请先卸载并安装

步骤1：

pip uninstall -v numpy

第二步：下载wheel文件并安装

pip install -U numpy-1.13.0+mkl-cp36-cp36m-win_amd64.whl

在这个例子中，wheel文件名是“numpy-1.13.0 + mkl-cp36-cp36m-win_amd64.whl”

过去几周我一直在面对这个问题：Windows 10 64位Python 3.5.2

我的解决方法：

首先： pip install wheel

下一步：下载Numpy和Scipy形式Gholke的回购Numpy和SciPy

然后：

pip install numpy_package.whl

pip install scipy_package.whl

由于实际问题本身没有答案，让我给它一个镜头…

我认为这里的问题基本上是所使用的BLAS / LAPACK库分布在多个位置，而numpy不能很好地处理这个问题。

我们已经在EasyBuild中解决了这个问题，在这个补丁中我们已经在Intel MKL之上构建了numpy / scipy，现在有了这个补丁： https : //github.com/hpcugent/easybuild-easyconfigs/blob/master/easybuild/easyconfigs /n/numpy/numpy-1.8.1-mkl.patch