服务器端Numpy运行速度远慢于家用PC故障排查求助

• 调整线性代数库线程数
  你当前使用的OpenBLAS默认会启用和CPU核心数等量的线程，而逐元素数值运算属于内存带宽敏感型操作，过多线程会引发缓存争抢反而导致性能下降。运行脚本前先执行环境变量配置再测试：

  export OPENBLAS_NUM_THREADS=4
  export OMP_NUM_THREADS=4
  

  可以尝试将数值设置为1、2、4、8分别测试，找到最优数值。
• 调整CPU电源管理策略
  服务器默认多采用节能模式运行，会限制CPU主频，你使用的Xeon Gold 6230默认主频2.1GHz，睿频可达3.9GHz，可通过以下命令切换为性能模式释放主频：

  sudo cpupower frequency-set -g performance
  

  可使用cpufreq-info命令查看当前CPU实际运行频率确认设置生效。
• 优化数据类型与运算逻辑
  你当前测试用数组为float64类型，运算耗时是float32的两倍左右，若业务精度允许可修改代码使用float32：

  patch_np = (np.random.rand(140,512,512).astype(np.float32))*2048.0
  

  另外此类逐元素运算可通过numba JIT编译进一步提升性能，无需修改运算逻辑即可获得数倍速度提升。
• 更换优化版Numpy包
  你当前使用的pip安装的通用版Numpy虽然支持AVX512指令集，但编译优化程度较低，可尝试安装带Intel MKL优化的Numpy版本：

  conda install numpy mkl
  

• 排查硬件与系统占用
  确认服务器内存规格是否和家用PC存在明显差距，同时测试时关闭其他占用内存带宽、CPU资源的进程，排除资源争抢导致的性能下降。测试时建议多次运行取平均值，排除首次内存分配的额外开销影响测试结果。

内容的提问来源于stack exchange，提问作者Tahsin Reasat