SIMD と AVX を EC2 上の Python + NumPy で試してみた

命令1: データA + データB = 結果A 命令2: データC + データD = 結果B 命令3: データE + データF = 結果C 命令4: データG + データH = 結果D 

命令1: [データA, データC, データE, データG] + [データB, データD, データF, データH] = [結果A, 結果B, 結果C, 結果D] 

$ cat /proc/cpuinfo | grep flags | head -1 | grep -o 'avx[^ ]*' | sort -u avx avx2 avx512_bf16 avx512_bitalg avx512_fp16 avx512_vbmi2 avx512_vnni avx512_vpopcntdq avx512bw avx512cd avx512dq avx512f avx512ifma avx512vbmi avx512vl avx_vnni 

# Python 3.13 のインストール $ sudo dnf install -y python3.13-devel python3.13-pip # バージョン確認 $ python3.13 --version Python 3.13.3 # 仮想環境の作成と有効化 $ python3.13 -m venv venv $ source venv/bin/activate # pip と NumPy のインストール $ pip install --upgrade pip $ pip install numpy 

$ python3 -c "import numpy as np; print(f'NumPy: {np.__version__}')" NumPy: 2.3.4 

python3 -c "import numpy as np; np.show_config()" 

#!/usr/bin/env python3 """ 行列計算だけのシンプルなベンチマーク 2つの行列を掛け算するだけのプログラムです。 例: 行列A (100x100) × 行列B (100x100) = 行列C (100x100) """ import numpy as np import time def main(): print("=" * 60) print("行列計算ベンチマーク") print("=" * 60) # 設定 matrix_size = 1000 # 1000x1000の行列 iterations = 5 # 5回繰り返し print(f"\n【設定】") print(f" 行列サイズ: {matrix_size} x {matrix_size}") print(f" 繰り返し回数: {iterations} 回") print(f" 計算内容: A × B = C (行列の掛け算)") # ステップ1: ランダムな行列を2つ作成 print(f"\n【ステップ1】ランダムな行列を2つ作成中...") A = np.random.rand(matrix_size, matrix_size) B = np.random.rand(matrix_size, matrix_size) print(f" 行列A: {matrix_size}x{matrix_size} の行列") print(f" 行列B: {matrix_size}x{matrix_size} の行列") print(f"\n 行列Aの一部:") print(f" {A[0, :5]}") print(f" 行列Bの一部:") print(f" {B[0, :5]}") # ステップ2: 行列の掛け算を繰り返す print(f"\n【ステップ2】行列の掛け算を実行中...") times = [] for i in range(iterations): # 時間計測開始 start = time.perf_counter() # 行列の掛け算（ここでAVX2が使われる） C = A @ B # 時間計測終了 end = time.perf_counter() elapsed = end - start times.append(elapsed) print(f" {i+1}回目: {elapsed*1000:.2f} ミリ秒") # ステップ3: 結果を計算 print(f"\n【ステップ3】結果") avg_time = sum(times) / len(times) min_time = min(times) max_time = max(times) print(f" 平均時間: {avg_time*1000:.2f} ミリ秒") print(f" 最速: {min_time*1000:.2f} ミリ秒") print(f" 最遅: {max_time*1000:.2f} ミリ秒") # 計算量の情報 total_operations = matrix_size * matrix_size * matrix_size * 2 # 乗算と加算 gflops = (total_operations / avg_time) / 1e9 print(f"\n 計算量: {total_operations/1e9:.2f} 億回の演算") print(f" 性能: {gflops:.2f} GFLOPS (1秒間に何億回計算できるか)") # 結果の確認 print(f"\n【確認】計算結果のサンプル") print(f" 行列C (A×Bの結果) の一部:") print(f" {C[0, :5]}") print("\n" + "=" * 60) print("完了！") print("=" * 60) if __name__ == "__main__": main() 

$ unset OPENBLAS_CORETYPE # 環境変数をクリア（AVX2有効） $ python3 benchmark_matrix_simple.py 

$ export OPENBLAS_CORETYPE=KATMAI # 基本的な命令セット指定 $ python3 benchmark_matrix_simple.py 

============================================================ 行列計算ベンチマーク（シンプル版） ============================================================ 【設定】 行列サイズ: 1000 x 1000 繰り返し回数: 5 回 計算内容: A × B = C (行列の掛け算) 【ステップ1】ランダムな行列を2つ作成中... 行列A: 1000x1000 の行列 行列B: 1000x1000 の行列 行列Aの一部: [0.97522309 0.25590702 0.82768389 0.10400997 0.41126751] 行列Bの一部: [0.22073047 0.55123485 0.76811404 0.53638863 0.86763605] 【ステップ2】行列の掛け算を実行中... 1回目: 13.71 ミリ秒 2回目: 13.13 ミリ秒 3回目: 12.83 ミリ秒 4回目: 12.96 ミリ秒 5回目: 12.05 ミリ秒 【ステップ3】結果 平均時間: 12.94 ミリ秒 最速: 12.05 ミリ秒 最遅: 13.71 ミリ秒 計算量: 2.00 億回の演算 性能: 154.60 GFLOPS (1秒間に何億回計算できるか) 【確認】計算結果のサンプル 行列C (A×Bの結果) の一部: [254.37613647 257.99070529 252.56361471 264.80468734 261.48124516] ============================================================ 完了！ ============================================================ 

============================================================ 行列計算ベンチマーク（シンプル版） ============================================================ 【設定】 行列サイズ: 1000 x 1000 繰り返し回数: 5 回 計算内容: A × B = C (行列の掛け算) 【ステップ1】ランダムな行列を2つ作成中... 行列A: 1000x1000 の行列 行列B: 1000x1000 の行列 行列Aの一部: [0.36582787 0.18759122 0.72934862 0.72053441 0.29003918] 行列Bの一部: [0.4128825 0.01193105 0.15556012 0.02282569 0.86116398] 【ステップ2】行列の掛け算を実行中... 1回目: 52.15 ミリ秒 2回目: 50.06 ミリ秒 3回目: 50.05 ミリ秒 4回目: 50.24 ミリ秒 5回目: 49.41 ミリ秒 【ステップ3】結果 平均時間: 50.38 ミリ秒 最速: 49.41 ミリ秒 最遅: 52.15 ミリ秒 計算量: 2.00 億回の演算 性能: 39.70 GFLOPS (1秒間に何億回計算できるか) 【確認】計算結果のサンプル 行列C (A×Bの結果) の一部: [250.3054255 254.9739997 238.24762122 249.58004213 255.37609278] ============================================================ 完了！ ============================================================