Numpy点积运算未充分利用全部CPU核的技术问询

首先，这个现象的核心原因是你使用的OpenBLAS库的线程调度策略——Numpy的dot底层依赖OpenBLAS实现矩阵运算，而OpenBLAS会根据运算的规模（尤其是输出矩阵的维度）自动决定是否启用多线程。

具体分析 #

当b的行数在2-15之间时，b.T的形状是(10000, N)（N=2~15），和a(10000,10000)做点积后，输出矩阵是(10000, N)。OpenBLAS的调度逻辑认为，对于这种较小的输出维度，多线程带来的并行收益抵不上线程创建、同步的额外开销，所以会自动切换为单线程运行。

而当N=1时，属于向量-矩阵乘法的特殊场景，OpenBLAS有专门的优化路径，会启用多线程；当N≥16时，输出矩阵的规模足够大，多线程的并行收益超过了开销，所以会自动使用全部CPU核。

解决办法 #

针对这个问题，有几个可行的处理方式：

• 强制OpenBLAS使用多线程
  你可以通过设置环境变量，强制OpenBLAS启用指定数量的线程（比如全部CPU核），覆盖它的自动调度逻辑。在代码开头添加：

  import os
  # 设置为你的CPU核心数，或者直接用'all'
  os.environ['OPENBLAS_NUM_THREADS'] = str(os.cpu_count())
  

  注意：这种强制设置在极小规模运算时可能会略微增加开销，但如果你的业务场景中N=2~15的运算占比高，且对速度有要求，这是最直接的解决方案。

• 升级OpenBLAS或Numpy
  老版本的OpenBLAS可能对“何时启用多线程”的阈值设置比较保守。你可以尝试升级Numpy（通常会连带升级绑定的OpenBLAS），新版本可能调整了这个阈值，让小维度的矩阵运算也能触发多线程。比如用conda升级：

  conda update numpy
  

  或者用pip：

  pip install --upgrade numpy
  

• 调整运算批量（如果业务允许）
  如果你的业务场景中可以把多个小的b矩阵合并成一个更大的矩阵（比如把15个(1,10000)的b合并成(15,10000)），一次性完成运算，这样输出维度足够大，OpenBLAS会自动启用多线程，避免单线程的瓶颈。

补充验证 #

从你提供的np.show_config()输出可以确认，你的Numpy确实绑定了OpenBLAS，所以以上分析和解决方案都是适用的。

内容的提问来源于stack exchange，提问作者Ram Idavalapati