Python NumPy如何开启和关闭Intel MKL以对比运算性能

以下是适配Windows 10环境的几种操作方案：

方案1：临时环境变量控制（无需修改代码/环境，适合快速测试） #

在运行测试脚本前，先在当前cmd/PowerShell窗口执行对应命令，生效范围仅为当前窗口，关闭后自动恢复：

• 关闭MKL加速：

  set MKL_NUM_THREADS=1
  set MKL_DISABLE_FAST_MM=1
  

• 开启MKL加速（默认状态，若之前改了变量可以执行恢复）：

  set MKL_NUM_THREADS=%NUMBER_OF_PROCESSORS%
  set MKL_DISABLE_FAST_MM=0
  

设置完成后直接运行你的测试脚本即可看到差异。

方案2：双虚拟环境对比（结果更准确，无变量干扰） #

如果要完全排除环境干扰，建议创建两个独立的Python虚拟环境分别测试：

• 带MKL的测试环境：正常安装numpy和mkl即可，就是你当前在用的环境
• 无MKL的测试环境：创建新虚拟环境后，执行pip install numpy --no-binary :all: 从源码编译安装不带MKL绑定的NumPy，或者直接安装预置OpenBLAS后端的NumPy版本
  两个环境分别运行同一份测试代码，得到的差值就是MKL带来的性能提升。

验证MKL是否生效的方法 #

在Python交互界面执行以下代码，即可确认当前NumPy是否调用了MKL：

import numpy as np
np.__config__.show()

如果输出内容中包含mkl相关字段，说明当前MKL处于启用状态。

测试注意事项 #

• 每次切换开关状态前重启终端，避免旧的环境变量残留影响结果
• 测试时关闭其他高CPU占用的软件，减少系统负载带来的误差
• 可以适当增大测试矩阵的尺寸、增加循环次数，让性能差异更明显

内容的提问来源于stack exchange，提问作者user40