Python性能提升20倍居然不是标题党？

前两天有小伙伴发了篇文章给我，让我验证一下靠不靠谱，标题写着《如何在 i5 上实现 20 倍的 Python 运行速度？》，我看了不以为然，八成又是个标题党。看了看发现是篇译文，歪果仁原文标题是 How Does a 20X Speed-Up in Python Grab You? 似乎有点意思，于是我按照文章给出的方法做了一些验证性的尝试。

首先给出大家结论，今年2月份，Intel Python发布了第二版更新，其优化主要针对科学计算（后面会详细说），日常使用（比如我这种写爬虫的）就不用凑热闹了，在我的机器上（i7 6700k/Windows 10 x64）性能提升为5-15倍。环境不同，提升性能可能不同，所以那篇文章说的20倍加速也不算耸人听闻。而且中文社区对Intel® Distribution for Python的讨论的确比较少，所以虽然干货不多，还是抛砖引玉地写一篇笔记出来。

我们都知道，Anaconda是一个Python的科学计算发行版本，里面除了有原生Python以外，还自带了numpy、scipy等科学计算常用的库。那么同样，Intel Distribution则是其另一个发行版本，对某些特定类型运算和内存管理做了优化，而且可以通过Anaconda的conda直接进行安装和管理。

那么效果究竟如何？以下是我在本地电脑按照原文作者方法的实测。

PS 由于网络问题，我没能成功按照原文的方法直接使用conda安装，后面会给出其他办法。

首先是Anaconda Python 3.6

然后是Intel Python 3.5

的确可以看到5~12倍运行速度上的提升。

下面具体来说安装。

安装有两种办法：

一种是本机已有Anaconda，通过conda来安装，这样可以通过新建环境来方便多版本的Python管理，但是我自己通过这种办法一直失败，报错是time out，应该是国内的网络原因，大家可以尝试一下。

另一种办法，适用于本地没有装Anaconda，或者像我一样因为网络原因没办法直接通过命令行安装，可以利用官方提供的安装包来安装，其中也附带了conda，可以像Anaconda一样使用和管理。

先说方法一的步骤，以下是官方说明，我自己没有亲测成功：

https://software.intel.com/en-us/articles/using-intel-distribution-for-python-with-anaconda

1、conda update conda
2、conda config –add channels intel

在这里解释一下conda中channel的作用。利用conda install命令时，程序会到我们设定好的路径（channel）中寻找相应的包。之前说过的通过修改为国内镜像加速下载也是这个院里。这边呢是因为Intel在conda上有自己单独的channel，所以要修改为intel。

3、conda create -n idp intelpython3_core python=3

或者

conda create -n idp intelpython3_full python=3

区别在于一个只装核心部分，另一个是装全部的。

如果想要Python 2.x，则为

conda create -n idp intelpython2_core python=2

这里的话，新建了一个名为idp的env，在后续可以直接激活环境。

4、activate idp

激活环境，后续就是正常的使用了。

如果要在原有的环境中，单独更新某一个包为Intel版本，可以使用

conda install numpy -c intel --no-update-deps

# 我试了几次都遇到了timeout报错。而且由于要修改channel为intel，也没办法用清华大学的镜像加速下载。

方法二：

https://software.intel.com/en-us/intel-distribution-for-python/try-buy

在这边下载相应版本的免费社区版本，然后进行安装。

这边提供一个我下载好的Python 3版本安装包 http://pan.baidu.com/s/1o89FjWQ

之后按照正常的Python路径管理就可以了。

由于我自己不做机器学习，用科学计算也比较少，所以就在这里打住了。有需求的小伙伴可以自己尝试一下性能提升的具体效果。对加速原理感兴趣的可以继续看下面的参考链接。

参考：

http://www.infoworld.com/article/3187484/software/how-does-a-20x-speed-up-in-python-grab-you.html

https://software.intel.com/en-us/articles/intelr-distribution-for-python-2017-update-2

https://software.intel.com/en-us/articles/using-intel-distribution-for-python-with-anaconda