为何f2py封装的dgemm小矩阵运算性能远低于numpy-einsum？

我尝试用f2py封装Fortran中的dgemm函数，对比其与numpy-einsum的运算耗时，发现小维度矩阵下dgemm运算速度比numpy-einsum慢10倍左右（计时逻辑内置在Fortran代码中）。按常理纯Fortran实现的dgemm应该更快，对此差异我感到疑惑——毕竟numpy基于C封装，numpy和f2py理论上都会存在编译型语言的调用开销。

验证实验结果 #

• 矩阵维度增大后性能反转：当n=1000时，dgemm运算速度远超numpy-einsum；
• 将Fortran代码中的dgemm替换为matmul后，小维度矩阵运算速度大幅提升；
• 纯Fortran环境下调用dgemm的小矩阵运算耗时远低于f2py封装后的情况；
• 多次调用f2py封装的dgemm时，首次调用耗时远高于后续调用，scipy.linalg.blas.dgemm也存在类似首次调用开销；
• 移除Fortran中的计时逻辑并使用显式维度后，性能表现恢复正常。

所有实验的运算结果均通过numpy.allclose验证一致。

内容的提问来源于stack exchange，提问作者Chungji