为什么 Intel i5-8350u 在单核 Python 脚本中比 AMD Ryzen 2700x 更快？

Question

我遇到了奇怪的情况。长话短说，搭载 Intel i5-8350u 的笔记本电脑在单核上运行 Python 脚本的速度比 AMD Ryzen 2700x 快两倍。

现在再详细介绍一下。
首先，机器的规格。AMD
Ryzen
2700x（库存）
16 GB DDR4@2133（双通道）
SATA HDD 上的数据

INTEL
i5-8350u
16 GB DDR4@2400（双通道）
UBS3 HDD 上的数据

笔记本电脑运行 Mac OS X Catalina 10.15.2，带有最新的 Anaconda 和 Python 3.8.1。台式机运行 Ubuntu 18.04.3，带有最新的 Anaconda 和 Python 3.8.1。唯一的细节是我用 openblas 构建了 numpy。

脚本是一代角点图来自后验文件。总共有 300 个对象。我有此代码的串行和并行版本，结果如​​下：

结果

i5 - 21m22s in single and 6m25s in parallel  
ryzen - 40m44s in single and 3m34s in parallel  

这正常吗？我能做些什么来提高 Ryzen 的性能？

OBS：我知道 Ryzen 对内存的依赖性，可能会尝试超频并重新测试。

OBS2：我暗示的是类似的事情。所以可能有一些软件修复。 - >AMD-Ryzen-3900X 与 Intel-Xeon-2175W

Answer 1

Anaconda 使用 Intel MKL 作为默认的 BLAS 库，该库在 AMD 处理器上运行缓慢（参见Ryzen 和英特尔的反竞争 MKL）。

您有几个选择。如果您能尝试一下并在此报告结果（作为评论），我将不胜感激。

1. 只需设置环境变量MKL_DEBUG_CPU_TYPE=5；参见这里了解更多信息；这将“欺骗 MKL 在 AMD CPU 上使用 AVX2 优化级别”；

2. 安装 conda 包nomkl以退出 MKL 并使用 OpenBLAS；请参阅“卸载 MKL”这一页。

您应该会看到这两种解决方案都取得了巨大的进步。不过，请注意，由于架构原因，Zen2 架构（第 3 代）之前的 AMD CPU 在执行 AVX2 指令时比 Intel CPU 慢。

编辑：抱歉，我误读了我在解决方案 2 ( ) 中粘贴的命令conda install -c anaconda nomkl。它不会创建新环境，正如我所写，它只是安装 nomkl。我删除了该命令并添加了一个链接，详细说明了删除 MKL 所需执行的所有操作。