Python acelera la descomposición de valores singulares.

Quiero calcular la descomposición en valores singulares de cada rebanada de una matriz tridimensional.

Utilicé numpy y scipy para calcular la descomposición SVD, pero ambos son significativamente más lentos que la implementación de MATLAB. Mientras que las versiones de numpy y scipy tardan alrededor de 7 s, la versión de MATLAB solo tarda 0.7 s.

¿Hay alguna forma de acelerar el cálculo de SVD en Python?

Python

import time
import scipy.linalg
import numpy.linalg

A = np.random.rand(100, 100, 1000) + 1j * np.random.rand(100, 100, 1000)
S = np.empty((A.shape[2], min(A.shape[0:1])))

t1 = time.time()
for i in range(A.shape[2]):
    S[i, :] = numpy.linalg.svd(A[:, :, i], compute_uv=False)
print("[numpy] Tiempo transcurrido: {:.3f} s".format(time.time() - t1))

t1 = time.time()
for i in range(A.shape[2]):
    S[i, :] = scipy.linalg.svdvals(A[:, :, i])
print("[scipy] Tiempo transcurrido: {:.3f} s".format(time.time() - t1))

[numpy] Tiempo transcurrido: 7.137 s

[scipy] Tiempo transcurrido: 7.435 s

MATLAB
MATLAB
A = randn(100, 100, 1000) + 1j * randn(100, 100, 1000);
S = nan(size(A,3), min(size(A, [1 2])));
tic;
for i = 1:size(A, 3)
S(i, :) = svd(A(:,:,i));
end
toc;
% Elapsed time is 0.702556 seconds.


Este es el resultado de np.show_config():

blas_mkl_info:
NO DISPONIBLE
blis_info:
NO DISPONIBLE
openblas_info:
library_dirs = ['D:\a\1\s\numpy\build\openblas_info']
libraries = ['openblas_info']
language = f77
define_macros = [('HAVE_CBLAS', None)]
blas_opt_info:
library_dirs = ['D:\a\1\s\numpy\build\openblas_info']
libraries = ['openblas_info']
language = f77
define_macros = [('HAVE_CBLAS', None)]
lapack_mkl_info:
NO DISPONIBLE
openblas_lapack_info:
library_dirs = ['D:\a\1\s\numpy\build\openblas_lapack_info']
libraries = ['openblas_lapack_info']
language = f77
define_macros = [('HAVE_CBLAS', None)]
lapack_opt_info:
library_dirs = ['D:\a\1\s\numpy\build\openblas_lapack_info']
libraries = ['openblas_lapack_info']
language = f77
define_macros = [('HAVE_CBLAS', None)]
Extensiones SIMD compatibles en esta instalación de NumPy:
baseline = SSE,SSE2,SSE3
encontradas = SSSE3,SSE41,POPCNT,SSE42,AVX,F16C,FMA3,AVX2,AVX512F,AVX512CD,AVX512_SKX
no encontradas = AVX512_CLX,AVX512_CNL
None