Windows Scipy Install: Не Найдено Ресурсов Lapack/Blas
Я пытаюсь установить python и ряд пакетов на 64-битный рабочий стол windows 7. Я установил Python 3.4, установил Microsoft Visual Studio C++ и успешно установил numpy, pandas и несколько других. Я получаю следующую ошибку при попытке установить scipy;
Я использую pip install offline, команда установки, которую я использую;
Я прочитал сообщения здесь о необходимости компилятора, который, если я понимаю правильно-это компилятор VS C++. Я использую версию 2010 года, как я использую Python 3.4. Это сработало для других пакетов.
должен ли я использовать двоичный файл окна или есть способ заставить pip install работать?
спасибо за помощь
14 ответов:
решение проблемы отсутствия библиотек BLAS / LAPACK для установки SciPy в 64-разрядной версии Windows 7 описано здесь:
установка Anaconda намного проще, но вы все равно не получаете поддержку Intel MKL или GPU, не заплатив за нее (они находятся в оптимизации MKL и ускоряют надстройки для Anaconda-я не уверен, что они используют плазму и магму). С оптимизацией MKL, numpy имеет превзошел IDL на больших матричных вычислениях в 10 раз. MATLAB использует библиотеку Intel MKL внутри и поддерживает вычисления на GPU, поэтому можно также использовать это по цене, если они студент ($50 для MATLAB + $10 для Parallel Computing Toolbox). Если вы получаете бесплатную пробную версию Intel Parallel Studio, она поставляется с библиотекой MKL, а также компиляторами C++ и FORTRAN, которые пригодятся, если вы хотите установить BLAS и LAPACK из MKL или ATLAS Windows:
Parallel Studio также поставляется с библиотекой Intel MPI, полезной для кластерных вычислительных приложений и их последних процессоров Xeon. Хотя процесс построения BLAS и LAPACK с оптимизацией MKL не является тривиальным, преимущества этого для Python и R довольно велики, как описано в этом Intel вебинар:
Anaconda и Enthought построили бизнес, сделав эту функциональность и несколько других вещей проще в развертывании. Тем не менее, он свободно доступен для тех, кто хочет сделать немного работы (и немного обучения).
для тех, кто использует R, теперь вы можете получить MKL оптимизированные BLAS и LAPACK бесплатно с R Открыть из Revolution Analytics.
EDIT: Anaconda Python теперь поставляется с оптимизацией MKL, а также поддерживает ряд других оптимизаций библиотеки Intel через дистрибутив Intel Python. Тем не менее, поддержка GPU для Anaconda в библиотеке Accelerate (ранее известной как NumbaPro) по-прежнему превышает $10k USD! Лучшие альтернативы для этого, вероятно, PyCUDA и scikit-cuda, поскольку copperhead (по сути, бесплатная версия Anaconda Accelerate), к сожалению, прекратилась развитие пять лет назад. Его можно найти здесь если кто-то хочет забрать, где они остановились.
следующая ссылка должна решить все проблемы с Windows и SciPy, просто выберите подходящий скачать. Я смог установить пакет pip без проблем. Каждое другое решение, которое я пробовал, давало мне большие головные боли.
предполагается, что вы установили следующее уже:
установите Visual Studio 2015/2013 с помощью Python Tools
(Интегрирован в Параметры установки при установке 2015 года)
установить компилятор Visual Studio C++ для Python
Источник: http://www.microsoft.com/en-us/download/details.aspx?id=44266
Имя Файла: VCForPython27.msi
установите версию Python по выбору
Источник: python.org
Имя файла (например): python-2.7.10.amd64.msi
версия моего python-2.7.10, 64-битная Windows 7.
- скачать scipy-0.18.0-cp27-cp27m-win_amd64.whl с http://www.lfd.uci.edu/
gohlke/pythonlibs/#scipy
он будет успешно установлен.
извините за некро, но это первый результат поиска google. Это решение, которое сработало для меня:
скачать numpy + mkl колесо от http://www.lfd.uci.edu/
gohlke/pythonlibs / #numpy. Используйте версию, которая совпадает с вашей версией python (проверьте с помощью python-V). Например. если ваш python 3.5.2, загрузите колесо, которое показывает cp35
Откройте командную строку и перейдите в папку, где вы загрузили колеса. Выполните команду: pip install [имя файла колеса]
Как и выше, pip install [имя файла колеса]
Это был приказ, который я получил все работает. Второй момент-самый важный. Составляющей должен Numpy+MKL , а не просто ваниль Numpy .
- установить python 3.5
- pip install «file path» (скачать Numpy + MKL колесо отсюда http://www.lfd.uci.edu /
Если вы работаете с Windows и Visual Studio 2015
- установить miniconda http://conda.pydata.org/miniconda.html
- измените свою среду python на python 3.4 (32bit)
- нажмите на python environment 3.4 и откройте cmd
введите следующие команды
- «conda install numpy»
- «conda install pandas»
- «conda install scipy»
мои 5 центов; вы можете просто установить весь (предварительно скомпилированный) SciPy из https://github.com/scipy/scipy/releases
простая и быстрая установка Scipy с Windows
gohlke/pythonlibs/#scipy скачать правильный пакет Scipy для вашей версии Python (например, правильный пакет для python 3.5 и Windows x64 — это scipy-0.19.1-cp35-cp35m-win_amd64.whl ).
для python27 1、Install numpy + mkl（download link:http://www.lfd.uci.edu/
gohlke / pythonlibs/） 2, Установите scipy (тот же сайт) Хорошо!
Intel теперь предоставляет дистрибутив Python для Linux / Windows / OS X бесплатно под названием»дистрибутив Intel для Python».
его полное распределение Python (например, python.exe входит в пакет), который включает в себя некоторые предустановленные модули, скомпилированные против MKL Intel (Math Kernel Library) и, таким образом, оптимизированные для более высокой производительности.
дистрибутив включает в себя модули NumPy, SciPy, scikit-learn, pandas, matplotlib, Numba, tbb, пидаал, Юпитер и другие. Недостатком является небольшая задержка в обновлении до более поздних версий Python. Например, на сегодняшний день (1 мая 2017 года) дистрибутив предоставляет CPython 3.5, в то время как версия 3.6 уже вышла. Но если вам не нужны новые функции, они должны быть в полном порядке.
Я также получал ту же ошибку при установке scikit-fuzzy. Я разрешил ошибку следующим образом:
выберите файл в соответствии с версией python, такой как amd64 для python3 и другой файл win32 для python27
- затем pip install —user skfuzzy
Я надеюсь, что это будет работать для вас
What is the easiest way to install BLAS and LAPACK for scipy?
I would like to run a programme that someone else has prepared and it includes scipy. I have tried to install scipy with
but it gives me a long error. I know there are ways with Anaconda and Canopy but I think these are long ways. I would like to have a short way. I have also tried
I have also tried
with this result
I have also tried
with similar results
Why does a scipy get so complicated ?
11 Answers 11
The SciPy installation page already recommends several ways of installing python with SciPy already included, such as WinPython.
Another way is to use wheels (a built-package format):
The wheel packages you can find on: http://www.lfd.uci.edu/
For SciPy you need:
For Debian Jessie and Stretch installing the following packages resolves the issue:
Your next issue is very likely going to be a missing Fortran compiler, resolve this by installing it like this:
If you want an optimized scipy, you can also install the optional libatlas-base-dev package:
If you have any issue with a missing Python.h file like this:
Python.h: No such file or directory
«Why does a scipy get so complicated?
It gets so complicated because Python’s package management system is built to track Python package dependencies, and SciPy and other scientific tools have dependencies beyond Python. Wheels fix part of the problem, but my experience is that tools like pip / virtualenv are just not sufficient for installing and managing a scientific Python stack.
If you want an easy way to get up and running with SciPy, I would highly suggest the Anaconda distribution. It will give you everything you need for scientific computing in Python.
If you want a «short way» of doing this (I’m interpreting that as «I don’t want to install a huge distribution»), you might try miniconda and then run conda install scipy .
Windows Scipy Install: No Lapack/Blas Resources Found
I am trying to install python and a series of packages onto a 64bit windows 7 desktop. I have installed Python 3.4, have Microsoft Visual Studio C++ installed, and have successfully installed numpy, pandas and a few others. I am getting the following error when trying to install scipy;
I am using pip install offline, the install command I am using is;
I have read the posts on here about requiring a compiler which if I understand correctly is the VS C++ compiler. I am using the 2010 version as I am using Python 3.4. This has worked for other packages.
Do I have to use the window binary or is there a way I can get pip install to work?
Many thanks for the help
17 Answers 17
The solution to the absence of BLAS/LAPACK libraries for SciPy installations on Windows 7 64-bit is described here:
Installing Anaconda is much easier, but you still don’t get Intel MKL or GPU support without paying for it (they are in the MKL Optimizations and Accelerate add-ons for Anaconda — I’m not sure if they use PLASMA and MAGMA either). With MKL optimization, numpy has outperformed IDL on large matrix computations by 10-fold. MATLAB uses the Intel MKL library internally and supports GPU computing, so one might as well use that for the price if they’re a student ($50 for MATLAB + $10 for the Parallel Computing Toolbox). If you get the free trial of Intel Parallel Studio, it comes with the MKL library, as well as C++ and FORTRAN compilers that will come in handy if you want to install BLAS and LAPACK from MKL or ATLAS on Windows:
Parallel Studio also comes with the Intel MPI library, useful for cluster computing applications and their latest Xeon processsors. While the process of building BLAS and LAPACK with MKL optimization is not trivial, the benefits of doing so for Python and R are quite large, as described in this Intel webinar:
Anaconda and Enthought have built businesses out of making this functionality and a few other things easier to deploy. However, it is freely available to those willing to do a little work (and a little learning).
For those who use R, you can now get MKL optimized BLAS and LAPACK for free with R Open from Revolution Analytics.
EDIT: Anaconda Python now ships with MKL optimization, as well as support for a number of other Intel library optimizations through the Intel Python distribution. However, GPU support for Anaconda in the Accelerate library (formerly known as NumbaPro) is still over $10k USD! The best alternatives for that are probably PyCUDA and scikit-cuda, as copperhead (essentially a free version of Anaconda Accelerate) unfortunately ceased development five years ago. It can be found here if anybody wants to pick up where they left off.
