对于64位Windows 7上的SciPy安装缺少BLAS/LAPACK库的解决方案如下所述:
http://www.scipy.org/scipylib/building/windows.html
安装Anaconda要容易得多,但如果不付费,你仍然无法获得Intel MKL或GPU支持(他们正在为Anaconda进行MKL优化和加速附加组件,我不确定他们是否使用PLASMA和MAGMA).通过MKL优化,numpy在大型矩阵计算方面的性能比IDL高出10倍.MATLAB在内部使用Intel MKL库并支持GPU计算,因此如果他们是学生(MATLAB为50美元,并行计算工具箱为10美元),也可以使用该库.如果您得到英特尔并行工作室的免费试用,它附带MKL库,以及C++和FORTRAN编译器,如果您想在Windows上安装MKL或阿特拉斯的BLAS和LAPACK,编译器将很有用.
http://icl.cs.utk.edu/lapack-for-windows/lapack/
Parallel Studio还附带Intel MPI库,对群集计算应用程序及其最新的Xeon处理器非常有用.虽然使用MKL优化构建BLAS和LAPACK的过程并不简单,但对于Python和R来说,这样做的好处相当大,如本次英特尔网络研讨会所述:
https://software.intel.com/en-us/articles/powered-by-mkl-accelerating-numpy-and-scipy-performance-with-intel-mkl-python
Anaconda和Enthough通过使此功能和其他一些东西更易于部署而建立了业务.然而,它是免费提供给那些愿意做一点工作(和一点学习).
对于那些使用R的人,你现在可以从Revolution Analytics免费获得R Open个MKL优化BLAS和LAPACK.
编辑:Anaconda Python现在附带MKL优化功能,并通过英特尔Python发行版支持其他一些英特尔库优化功能.然而,Accelerate library(以前称为NumbaPro)中对Anaconda的GPU支持仍然超过1万美元!最好的替代方案可能是PyCUDA和scikit cuda,因为copperhead(本质上是Anaconda Accelerate的免费版本)不幸在五年前停止了开发.如果有人想继续他们之前的话,可以找到here个.