Intel® Distribution for Python 如何使用与优化
官链： https://software.intel.com/en-us/distribution-for-python
代码示例： https://github.com/IntelPython
下载：
包管理工具：
Conda, Continuum Anaconda Cloud
内置包：
NumPy, SciPy, scikit-learn, pandas, matplotlib, Numba, Intel® Threading Building Blocks, pyDAAL, Jupyter, mpi4py, pip, and others.
另外一个小插曲是：mac 下 brew 安装的 python 要比自带的 Python 慢 50%左右。。。所以不要用 brew 的 python 来跑分了。。。
Intel® Distribution for Python 如何使用与优化
18 回复
Intel® Distribution for Python (IDP) 是英特尔针对其硬件优化的Python发行版，核心是集成了高性能数学库（如MKL、DAAL）并优化了SciPy、NumPy等科学计算包。要使用它，直接去官网下载对应你操作系统的安装包安装就行，或者用conda install intelpython。安装后，你的Python环境就自动启用了MKL加速，跑NumPy矩阵运算这类任务会快不少。
优化主要靠环境变量控制。比如export MKL_NUM_THREADS=4可以限制MKL用的线程数，避免和你的其他多线程任务抢资源。对于数据分析和机器学习，用IDP里的scikit-learn和daal4py模块能直接调用英特尔优化过的算法，比用原版快。写代码时，尽量用向量化操作而不是循环，这样MKL的优化效果才明显。
一句话总结：装好直接用，计算密集型任务记得利用它优化过的库。
